Modelvalg
SoulX-Singer og YingMusic-Singer-Plus: partiturdrev og melodireference, to sangstemmesyntese-ruter
Sangsyntese / rutesammenligning
Sangsyntese / rutesammenligning
© 2026 TelkNet. Alle rettigheder forbeholdes.
SANGSYNTESE
SoulX’ partiturtilstand bruger metadata afledt af MIDI. YingMusic-Singer-Plus bruger et sangklip, der leverer melodien, sammen med målteksten. Den ene kræver justering af noder og sangtekst; den anden indkoder melodien fra lyd.
Den generative vej følger dx_t/dt = v_θ(x_t,t | l,m,r), hvor hastighedsfeltet er betinget af sangtekst, melodi og en klangreference. Fejljustering bøjer den integrerede vej mod et utilfredsstillende kompromis mellem udtale, rytme og identitet.
SoulX omdanner MIDI til segmenterede metadata; stavelser og nodeansatser skal passe sammen. YingMusic undgår eksplicit MIDI, men har brug for en ren melodivokal, fordi lækage fra akkompagnementet forurener melodirepræsentationen.
SoulX-Singer er bygget op omkring MIDI, sangtekst og en klangprompt. YingMusic-Singer-Plus fremhæver desuden fleksibel redigering af sangtekst og melodisk vejledning uden annotation node for node. En sammenligning skal adskille tonehøjde, varighed, artikulation og referenceklang i stedet for at reducere begge systemer til én sangkontakt.
Inputkontrakten afgør, hvad et sangsystem kan. SoulX-Singer lægger vægt på zero-shot-klang og generering af sang; YingMusic-Singer-Plus kombinerer sangtekst med melodi- eller partiturbetingelser. Begge leverer sang, men det ene system afhænger mere af referencelyd og det andet af struktureret musik.
Sangsyntese har udviklet sig fra konkatenering og akustiske modeller til neurale vocodere, codec-tokens og store generatorer. Det vedvarende problem er justeringen mellem fonemer, nodelængde, vibrato, vejrtrækning og klang. Et flydende omkvæd kan skjule forkert sangtekst og gradvist forskyde sig fra takt til takt.
ŝ=G(lyrics, pitch, duration, e_timbre, c_style)pitchtonehøjde eller melodikonturdurationnodelængdee_timbreklang fra en godkendt promptSoulX-Singer bruger sangtekst, MIDI/metadata og en klangprompt; YingMusic-Singer-Plus accepterer mere fleksibel melodisk vejledning. Tonehøjde og varighed er redigerbare partiturbetingelser, mens en melodireference rummer yderligere oplysninger om fremførelsen.
Præcision i tonehøjde, varighed, tydelighed i sangteksten, klanglig lighed og vejrtrækning skal kontrolleres hver for sig. Ét udvalgt eksempel med høje toner kan ikke dokumentere stabilitet gennem en hel sang.
Artikel, kode og vægte kan findes via SoulX-Singer / SoulX-Singer-artiklen / YingMusic-Singer-Plus.
Hver række bevarer kildens arkitektur, målemetode eller opgavedefinition; resultater uden en fælles protokol holdes adskilt.
| Model | Arkitektur eller dokumentation | Omfang |
|---|---|---|
| SoulX-Singer | referencestyret zero-shot-sang | identitet, sangtekst og stabilitet over lange forløb |
| YingMusic-Singer-Plus | sangtekst plus melodi/partitur | justering, register og tempo |
| traditionel sangsyntese-pipeline | eksplicitte akustiske egenskaber plus vocoder | tydelig styring, men begrænset naturlighed på tværs af domæner |
Sammenlign hvert ord for udeladelser, slugte konsonanter, gentagelser og konsonanternes timing, og undersøg derefter toneansats, glid og vibrato. Naturlighed erstatter ikke indholdsmæssig nøjagtighed.
Toneart, BPM, taktart og referenceudsnit skal holdes konstante. Akkompagnement og rumklang fra referencen kan blive kopieret til outputtet.
Kloning af en sanger kræver udtrykkelig tilladelse og må ikke understøtte identitetsefterligning, bedrag eller omgåelse af rettigheder.
Modellen erstatter ikke arrangement eller vokalinstruktion. Register, diktion, følelser og sproglige vaner kræver fortsat menneskeligt arbejde.
Modelnavne, tal og begrænsninger kan føres tilbage til artiklerne, repositorierne eller modelkortene nedenfor.