Cover com voz de referência

Demonstração: Far far away, fonte completa de 240.98 segundos, mesmo cantor de destino, semente 42 e transposição 0. O kNN-SVC usa toda a referência; os demais, o mesmo trecho de 25 segundos. A semelhança vocal de todos os modelos é medida em relação a esse trecho. Os valores pertencem a esta demonstração.

Destaca o melhor valor do grupo conforme a seta de cada métrica, incluindo empates; não é uma classificação geral de qualidade de áudio.

Menor ↓ ou maior ↑ é melhor. A diferença de texto compara o reconhecimento do Whisper-medium com a fonte, não erros de letra conferidos manualmente. A semelhança do timbre é o cosseno entre representações do Resemblyzer, não uma prova de identidade. SingMOS-Pro e AudioBox PQ são previsões automáticas, não MOS humanos ou números das tabelas dos artigos. Liderar uma métrica nesta música não implica ser o melhor em todas as músicas.

Os resultados dos autores são separados por conjunto de dados e configuração. Eles não formam um ranking conjunto dos sete modelos.

São exibidos apenas registros com implementação pública de inferência e pesos correspondentes verificados, além de algoritmos que não precisam de pesos. Serviços fechados, pesos não publicados e versões experimentais sem correspondência confirmada são excluídos. Esta não é uma classificação de todos os modelos.