Modelvalg
HQ-SVC og YingMusic-SVC: demontering af indholdet, F0, energien og klangen af sangstemmekonvertering
Sangstemmekonvertering / teknologisammenligning
Sangstemmekonvertering / teknologisammenligning
© 2026 TelkNet. Alle rettigheder forbeholdes.
KONVERTERING AF SANGSTEMMER
SVC blander ikke målreferencen ind i kilden. Systemet skal bevare kildens sangtekst, timing og melodi, mens klangstatistikken udskiftes. Lækage af indhold bliver til udtalefejl eller baggrundsstøj.
Tonehøjden kan udtrykkes i halvtoner som p=69+12log₂(f₀/440). Automatisk registerforskydning hjælper ved store registerforskelle, men F0-fejl gør glid, vejrtrækning og harmonier til forkerte melodiske signaler.
HQ-SVC’s modelkort samler inferenskode, FACodec, RMVPE og vocoderressourcer. YingMusic-SVC udgiver en F0-bevidst adapter, energibalanceret flowmatching og træning til harmonisk forurening i virkelige optagelser. Uden et fælles testsæt giver det offentlige materiale ikke grundlag for at udpege én vinder på tværs af projekterne.
Lækage af akkompagnement i kilden omfarves af konverteringen, mens rumklang eller baggrundslyd i målprompten kan forveksles med identitet. Både leadvokalen og målreferencen bør være rene, og konverteret lyd skal tydeligt oplyses som syntetisk.
Konvertering af sangstemmer bevarer tekst og melodi fra en fremførelse, mens den klangrelaterede repræsentation udskiftes. HQ-SVC lægger vægt på en konverteringskæde af høj kvalitet; YingMusic-SVC tilbyder et andet design til betingelse på indhold, F0 og sanger. I modsætning til syntese er inputtet en eksisterende sunget fremførelse.
SVC har udviklet sig fra spektral kortlægning til indholdsencodere, eksplicit F0, generative decodere og stærkere sangerrepræsentationer. Adskillelsen er stadig ufuldstændig: kildens accent, dynamik og formanter kan lække, mens rumlyd fra målreferencen kan blive kopieret.
ŷ=G(c(x_src),F0(x_src),E(x_src),e(x_ref))c(x_src)sprogligt indholdF0,Emelodi og energie(x_ref)betingelse for målklangIndhold, F0 og energi kommer fra kildefremførelsen; målklangen kommer fra referencen. Ufuldstændig adskillelse efterlader kildeidentitet eller overfører rummets farvning.
Et fuldt mix kræver først et rent leadvokal-stem. Lækage fra separationen omfarves af konverteringen og kan blive sværere at fjerne, så begge trin skal kontrolleres sammen.
Artikel, kode og vægte kan findes via HQ-SVC / YingMusic-SVC / YingMusic-SVC-artiklen.
Hver række bevarer kildens arkitektur, målemetode eller opgavedefinition; resultater uden en fælles protokol holdes adskilt.
| Model | Arkitektur eller dokumentation | Omfang |
|---|---|---|
| HQ-SVC | standardkæde af høj kvalitet | gengivelseskvalitet, tydelighed og stabilitet i højt register |
| YingMusic-SVC | sammenligning af indhold/F0/klang | bevarelse på tværs af sangere og sprog |
| kildeseparation + SVC | komplet vej til mixet input | separationslækage fortsætter ind i konverteringen |
Kontrollér først sangtekst og rytme, derefter tonespring, sibilanter, luftighed og brud i det høje register. Automatisk transponering ændrer stemmens belastning og kan ikke sammenfattes med gennemsnitlig lighed.
Målreferencen bør være tør, solo, uden akkompagnement og dække et anvendeligt register. En kort optagelse med rumklang kan få rumfarvning til at fremstå som identitet.
Konvertering ophæver ikke ophavsret eller udøverrettigheder. Offentlig udgivelse kræver tilladelse til både kildefremførelsen og målidentiteten.
Systemet garanterer ikke anonymisering; egenskaber fra kilden kan forblive, så SVC er ikke et privatlivsfilter.
Modelnavne, tal og begrænsninger kan føres tilbage til artiklerne, repositorierne eller modelkortene nedenfor.