今日arXiv最熱NLP大模型論文：浙大發(fā)布歌曲合成工具Prompt-Singer，歌手性別風(fēng)格均可控！

AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：今日arXiv最熱NLP大模型論文：浙大發(fā)布歌曲合成工具Prompt-Singer，歌手性別風(fēng)格均可控！
關(guān)鍵字：模型,數(shù)據(jù),提示,自然語(yǔ)言,歌聲
文章來(lái)源：夕小瑤科技說(shuō)
內(nèi)容字?jǐn)?shù)：9225字

內(nèi)容摘要：

夕小瑤科技說(shuō) 原創(chuàng)作者 | Tscom本項(xiàng)目測(cè)試參考歌聲，歌詞“風(fēng)吹來(lái)的砂冥冥在哭泣，難道早就預(yù)言了分離”：
提示詞“I want to listen to a song with a man voice.”生成的歌聲：
提示詞“I’m in the mood for a song performed by a madam artist.”生成的歌聲：
引言：自然語(yǔ)言指令在歌聲合成中的新突破在數(shù)字音頻技術(shù)的發(fā)展歷程中，歌聲合成（Singing Voice Synthesis, SVS）一直是一個(gè)充滿挑戰(zhàn)的領(lǐng)域。隨著深度學(xué)習(xí)的興起，SVS系統(tǒng)已經(jīng)能夠生成高保真度的歌聲，為音樂創(chuàng)作和娛樂產(chǎn)業(yè)的發(fā)展提供了新的動(dòng)力。然而，盡管現(xiàn)有的SVS方法在音頻質(zhì)量和自然度上取得了顯著進(jìn)步，它們通常缺乏對(duì)合成歌聲風(fēng)格屬性的明確控制能力。這些風(fēng)格屬性包括說(shuō)話者音色、聲音范圍和能量等。為了解決這一問題，研究者們開始探索使用自然語(yǔ)言指令作為風(fēng)格提示，以期實(shí)現(xiàn)對(duì)合成歌聲的精確控制。
自然語(yǔ)言指令的使用不僅可以實(shí)現(xiàn)對(duì)特定屬性的精確控制，還可以簡(jiǎn)化用戶交互，為非計(jì)算機(jī)專業(yè)用戶如音樂家和視頻創(chuàng)作者帶來(lái)便利。然而，將自然語(yǔ)

原文鏈接：今日arXiv最熱NLP大模型論文：浙大發(fā)布歌曲合成工具Prompt-Singer，歌手性別風(fēng)格均可控！

聯(lián)系作者

文章來(lái)源：夕小瑤科技說(shuō)
作者微信：xixiaoyaoQAQ
作者簡(jiǎn)介：專業(yè)、有趣、深度價(jià)值導(dǎo)向的科技媒體。聚集30萬(wàn)AI工程師、研究員，覆蓋500多家海內(nèi)外機(jī)構(gòu)投資人，互聯(lián)網(wǎng)大廠中高管和AI公司創(chuàng)始人。一線作者來(lái)自清北、國(guó)內(nèi)外頂級(jí)AI實(shí)驗(yàn)室和大廠，兼?zhèn)涿翡J的行業(yè)嗅覺和洞察深度。商務(wù)合作：zym5189