Διασκευή με φωνή αναφοράς

Δείγμα: Far far away, πλήρης πηγή 240.98 δευτερολέπτων, ίδιος τραγουδιστής στόχος, seed 42 και μετατόπιση τόνου 0. Το kNN-SVC χρησιμοποιεί όλη την αναφορά· τα υπόλοιπα το ίδιο απόσπασμα 25 δευτερολέπτων. Η ομοιότητα φωνής όλων των μοντέλων μετριέται ως προς αυτό το απόσπασμα. Οι μετρήσεις αφορούν αυτό το δείγμα.

Επισημαίνεται η καλύτερη τιμή της ομάδας σύμφωνα με το βέλος κάθε δείκτη, μαζί με τις ισοβαθμίες· δεν πρόκειται για συνολική κατάταξη ποιότητας ήχου.

Το χαμηλότερο ↓ ή υψηλότερο ↑ είναι καλύτερο. Η διαφορά κειμένου συγκρίνει την αναγνώριση Whisper-medium με την πηγή, όχι χειροκίνητα ελεγμένα λάθη στίχων. Η ομοιότητα χροιάς είναι η συνημιτονοειδής ομοιότητα αναπαραστάσεων Resemblyzer, όχι απόδειξη ταυτότητας. Τα SingMOS-Pro και AudioBox PQ είναι αυτόματες προβλέψεις, όχι ανθρώπινα MOS ή τιμές πινάκων δημοσιεύσεων. Η υπεροχή σε έναν δείκτη αυτού του τραγουδιού δεν σημαίνει συνολική υπεροχή σε όλα τα τραγούδια.

Τα αποτελέσματα των συγγραφέων χωρίζονται ανά σύνολο δεδομένων και ρυθμίσεις. Δεν αποτελούν ενιαία κατάταξη των επτά μοντέλων.

Εμφανίζονται μόνο εγγραφές με επαληθευμένη δημόσια υλοποίηση συμπερασμού και αντίστοιχα βάρη, καθώς και αλγόριθμοι που δεν χρειάζονται βάρη. Εξαιρούνται κλειστές υπηρεσίες, μη δημοσιευμένα βάρη και μη ταυτοποιημένες πειραματικές εκδόσεις. Δεν πρόκειται για κατάταξη όλων των μοντέλων.