Modell
HQ-SVC und YingMusic-SVC: Inhalt, F0, Energie und Klangfarbe der Singstimmenkonvertierung zerlegen
Singing Voice Conversion / Technologievergleich
Singing Voice Conversion / Technologievergleich
© 2026 TelkNet. Alle Rechte vorbehalten.
SINGSTIMMENKONVERTIERUNG
SVC mischt die Zielreferenz nicht in die Quelle. Das Verfahren muss Text, Timing und Melodie der Quelle bewahren und zugleich die Stimmklangstatistik ersetzen. Inhaltslecks äußern sich als Aussprachefehler oder übersprechender Hintergrund.
Die Tonhöhe lässt sich in Halbtönen als p=69+12log₂(f₀/440) ausdrücken. Eine automatische Verschiebung des Tonumfangs hilft bei großen Registerunterschieden, doch F0-Fehler machen aus Slides, Atem und Harmonie falsche Melodiehinweise.
Die HQ-SVC-Modellkarte bündelt Inferenzcode, FACodec, RMVPE und Vocoder-Ressourcen. YingMusic-SVC veröffentlicht einen F0-bewussten Adapter, energieausgeglichenes Flow Matching und Training für harmonische Verunreinigungen aus realen Aufnahmen. Ohne gemeinsamen Testsatz erlauben die öffentlichen Materialien keinen projektübergreifenden Gesamtsieger.
Übersprechende Begleitung in der Quelle wird durch die Konvertierung neu eingefärbt, während Hall oder Hintergrundgeräusche im Ziel-Prompt mit Identität verwechselt werden können. Sowohl die Leadstimme als Quelle als auch die Zielreferenz sollten sauber sein; konvertiertes Audio muss klar als synthetisch offengelegt werden.
Singstimmenkonvertierung erhält Text und Melodie einer Darbietung und ersetzt die stimmklangbezogene Repräsentation. HQ-SVC betont eine hochwertige Konvertierungskette; YingMusic-SVC bietet ein anderes Design für Inhalt, F0 und Sprecherbedingung. Anders als bei der Synthese ist die Eingabe eine vorhandene Gesangsdarbietung.
SVC entwickelte sich von spektraler Abbildung zu Inhaltsencodern, explizitem F0, generativen Decodern und stärkeren Sprecherrepräsentationen. Die Entflechtung bleibt unvollständig: Akzent, Dynamik und Formanten der Quelle können durchsickern, während Raumklang aus der Zielreferenz kopiert werden kann.
ŷ=G(c(x_src),F0(x_src),E(x_src),e(x_ref))c(x_src)sprachlicher InhaltF0,EMelodie und Energiee(x_ref)ZielstimmklangbedingungInhalt, F0 und Energie stammen aus der Quelldarbietung; der Zielstimmklang kommt aus der Referenz. Eine unvollständige Entflechtung hinterlässt die Quellidentität oder überträgt die Raumfärbung.
Eine vollständige Mischung benötigt zunächst einen sauberen Lead-Vocal-Stem. Übersprechen aus der Trennung wird durch die Konvertierung neu eingefärbt und kann schwerer zu entfernen sein; deshalb müssen beide Stufen gemeinsam geprüft werden.
Paper, Code und Gewichte sind über HQ-SVC / YingMusic-SVC / das YingMusic-SVC-Paper zugänglich.
Jede Zeile behält Architektur, Metrik oder Aufgabendefinition ihrer Quelle bei; Ergebnisse ohne gemeinsames Protokoll bleiben getrennt.
| Modell | Architektur oder Beleg | Geltungsbereich |
|---|---|---|
| HQ-SVC | hochwertige Standardkette | Wiedergabetreue, Klarheit und Stabilität im hohen Register |
| YingMusic-SVC | Vergleich von Inhalt/F0/Stimmklang | Erhalt über Sänger und Sprachen hinweg |
| Quellentrennung + SVC | vollständiger Pfad für gemischte Eingaben | Trennungslecks setzen sich in der Konvertierung fort |
Zuerst sind Text und Rhythmus zu prüfen, danach Tonsprünge, Zischlaute, Hauchigkeit und Brüche im hohen Register. Automatische Transposition verändert die stimmliche Belastung und lässt sich nicht durch eine mittlere Ähnlichkeit zusammenfassen.
Die Zielreferenz sollte trocken, solistisch, frei von Begleitung und über einen brauchbaren Tonumfang aufgenommen sein. Eine kurze verhallte Probe kann Raumfärbung wie Identität erscheinen lassen.
Eine Konvertierung hebt weder Urheber- noch Interpretenrechte auf. Für eine öffentliche Veröffentlichung ist die Erlaubnis sowohl für die Quelldarbietung als auch für die Zielidentität erforderlich.
Das System garantiert keine Anonymisierung; Merkmale der Quelle können verbleiben, SVC ist daher kein Datenschutzfilter.
Modellnamen, Zahlen und Einschränkungen lassen sich auf die folgenden Paper, Repositorien oder Modellkarten zurückführen.