VibE-SVC：利用高频F0轮廓提取颤音的歌声转换
声音
2025-10-07 v2 人工智能
音频与语音处理
摘要
控制演唱风格对于实现富有表现力和自然的歌声至关重要。在各种风格因素中，颤音在传达情感和增强音乐深度方面起着关键作用。然而，由于颤音的动态特性，对其进行建模仍然具有挑战性，使其在歌声转换中难以控制。为了解决这个问题，我们提出了VibE-SVC，一种使用离散小波变换显式提取和操纵颤音的可控歌声转换模型。与以往隐式建模颤音的方法不同，我们的方法将F0轮廓分解为频率分量，从而实现精确迁移。这使得颤音控制具有更高的灵活性。实验结果表明，VibE-SVC在保持说话人相似性的同时，有效地转换了演唱风格。主观和客观评估均证实了高质量的转换。
引用
@article{arxiv.2505.20794,
title = {VibE-SVC: Vibrato Extraction with High-frequency F0 Contour for Singing Voice Conversion},
author = {Joon-Seung Choi and Dong-Min Byun and Hyung-Seok Oh and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2505.20794},
year = {2025}
}
备注
Proceedings of Interspeech