参照音声でカバー

デモ比較：Far far away、元の曲は全 240.98 秒、同じ対象歌手、シード 42、移調 0。kNN-SVC は参照全体、その他は共通の 25 秒区間を使用します。声質類似度は全モデルを同じ区間と比較して測定しています。以下はこのデモの実測値です。

各指標の矢印に従って、このグループの最良値を強調表示します。同点もすべて表示し、総合的な音質順位は示しません。

↓ は低いほど、↑ は高いほど良好です。文字列の差は原曲の Whisper-medium 認識結果との比較で、手作業による歌詞誤り率ではありません。音色類似度は Resemblyzer 埋め込みのコサイン類似度で、本人確認には使えません。SingMOS-Pro の自然さと AudioBox PQ は自動予測であり、人による MOS や論文表の値とは異なります。本曲の単一指標での優位性から、全楽曲の総合順位は決まりません。

著者の結果をデータセットと設定ごとに掲載します。7モデル共通の総合順位には換算できません。

公開された推論実装と対応する重みを確認できた記録、および重みを必要としないアルゴリズムのみを表示します。非公開サービス、未公開の重み、実験版との対応が未確認の記録は除外しています。全モデルの総合順位ではありません。