GTSinger是一個由浙江大學研究團隊開發的大型開源高質量歌聲數據集，旨在支持多種歌聲任務。該數據集包含80.59小時的專業錄音棚錄制的歌聲，涵蓋九種語言，包括漢語、英語、日語、韓語、俄語、西班牙語、法語、德語和意大利語，由20位專業歌手演唱，展現出豐富的音色和風格多樣性。

GTSinger是什么

GTSinger是浙江大學研究團隊推出的一款大型開源高質量歌聲數據集，專注于支持多元化的歌聲相關任務。該數據集包含80.59小時的專業錄音棚錄制的歌聲，覆蓋九種不同的語言，包括漢語、英語、日語、韓語、俄語、西班牙語、法語、德語和意大利語，所有錄音均由20位專業歌手演唱，呈現出豐富多彩的音色與風格。GTSinger特別關注歌唱技巧的控制與建模，提供六種常用歌唱技巧的對照組和音素級標注，并附有真實樂譜，便于實際音樂創作。數據集還包括人工音素對齊、全局風格標簽及配對朗讀數據，適應各種歌聲任務。

GTSinger的主要功能

• 多語言歌聲數據集：GTSinger提供九種不同語言的歌聲，支持跨語言的歌聲合成與分析，展現多樣的音色和風格。
• 歌唱技巧控制：該數據集提供六種常用歌唱技巧的對照組和音素級標注，幫助研究者更好地建模和控制歌聲中的技巧。
• 真實樂譜支持：伴隨歌聲提供匹配的真實樂譜，為歌聲合成技術在實際音樂創作中的應用提供便利。
• 多任務適配：GTSinger設計支持多種歌聲任務，包括歌聲合成、技巧識別、風格遷移及語音轉歌聲等。
• 基準測試：數據集提供基準測試，用于評估在不同歌聲任務下的表現和適用性。

GTSinger的技術原理

• 高質量音頻錄制：GTSinger的數據集在專業錄音棚中錄制，確保音頻數據的高品質。
• 音素對齊與標注：應用音樂信息檢索技術（如MFA和Praat）進行音素對齊與標注，實現音素級的精確控制。
• 歌唱技巧標注：通過專家聽感和音頻分析技術對歌聲中的歌唱技巧進行標注，便于模型學習與控制。
• 樂譜生成：結合音頻信號處理技術與音樂理論，從歌聲中提取音高信息，生成MIDI形式的樂譜，并由專家調整為真實樂譜。
• 數據集構建與驗證：通過人工審核和后期處理，確保數據集的質量與適用性，包括音頻片段的語義分割和無聲區域的處理。

GTSinger的項目地址

• 項目官網：gtsinger.github.io
• GitHub倉庫：https://github.com/GTSinger/GTSinger
• HuggingFace模型庫：https://huggingface.co/datasets/GTSinger/GTSinger
• arXiv技術論文：https://arxiv.org/pdf/2409.13832

GTSinger的應用場景

• 歌聲合成：基于數據集中的歌聲樣本和技巧標注，開發出合成特定技巧和風格的高質量歌聲的系統。
• 歌聲技巧識別：分析歌聲中的音素級技巧標注，訓練模型識別與分類不同的歌聲技巧。
• 歌聲風格遷移：將一種風格的歌聲轉換為另一種風格，例如將流行歌曲的歌聲轉化為古典風格。
• 語音轉歌聲（Speech-to-Singing,STS）：將普通語音轉化為旋律化的歌聲，應用于語音合成和音樂創作。
• 音樂教育：利用數據集中的真實樂譜和歌聲樣本，開發音樂教育工具，幫助學生學習與練習唱歌技巧。