Cover con voce di riferimento

Demo: Far far away, sorgente completa di 240.98 secondi, stessa voce di destinazione, seed 42 e trasposizione 0. kNN-SVC usa l’intero riferimento; gli altri, lo stesso segmento di 25 secondi. La somiglianza vocale di tutti i modelli è misurata rispetto a quel segmento. Queste misure riguardano la demo.

Evidenzia il valore migliore del gruppo in base alla freccia di ogni metrica, inclusi i pari merito; non è una classifica complessiva della qualità audio.

Valori inferiori ↓ o superiori ↑ sono migliori. La differenza testuale confronta il riconoscimento Whisper-medium con la sorgente, non errori nel testo verificati a mano. La somiglianza timbrica è il coseno degli embedding Resemblyzer, non una prova d’identità. SingMOS-Pro e AudioBox PQ sono previsioni automatiche, non MOS umani o valori delle tabelle degli articoli. Primeggiare in una metrica di questo brano non implica una vittoria complessiva su tutti i brani.

I risultati degli autori sono separati per dataset e impostazioni. Non costituiscono una classifica complessiva dei sette modelli.

Sono mostrati solo risultati con implementazione pubblica di inferenza e pesi corrispondenti verificati, oltre agli algoritmi che non richiedono pesi. Sono esclusi servizi chiusi, pesi non pubblicati e versioni sperimentali non identificate. Non è una classifica di tutti i modelli.