Modell
HQ-SVC og YingMusic-SVC: demontering av innholdet, F0, energien og klangen til sangstemmekonvertering
Sangstemmekonvertering / teknologisammenligning
Sangstemmekonvertering / teknologisammenligning
© 2026 TelkNet. Alle rettigheter forbeholdt.
KONVERTERING AV SANGSTEMME
SVC blander ikke målreferansen inn i kilden. Systemet må bevare kildens tekst, timing og melodi samtidig som statistikken for klang erstattes. Lekkasjer i innholdet blir til uttalefeil eller bakgrunnsstøy som trenger gjennom.
Tonehøyde kan uttrykkes i halvtoner som p=69+12log₂(f₀/440). Automatisk registerforskyvning hjelper ved store registerforskjeller, men feil i F0 gjør glidninger, pust og harmonier til gale melodisignaler.
Modellkortet for HQ-SVC samler inferenskode, FACodec, RMVPE og vokoderressurser. YingMusic-SVC publiserer en F0-bevisst adapter, energibalansert flyttilpasning og trening for harmonisk forurensning fra virkelige opptak. Uten et felles testsett gir det offentlige materialet ikke grunnlag for å kåre én vinner på tvers av prosjektene.
Lekkasje fra akkompagnementet i kilden får ny klang gjennom konverteringen, mens romklang eller bakgrunnslyd i målprøven kan mistolkes som identitet. Både kilden med hovedvokal og målreferansen bør være rene, og konvertert lyd må merkes tydelig som syntetisk.
Konvertering av sangstemme beholder tekst og melodi fra en fremføring, samtidig som representasjonen knyttet til klang erstattes. HQ-SVC legger vekt på en konverteringskjede med høy kvalitet; YingMusic-SVC tilbyr en annen utforming for betinging på innhold, F0 og sanger. I motsetning til syntese er inndataene en eksisterende sangfremføring.
SVC har utviklet seg fra spektral avbildning mot innholdskodere, eksplisitt F0, generative dekodere og sterkere representasjoner av sangeren. Oppdelingen er fortsatt ufullstendig: kildens aksent, dynamikk og formanter kan lekke gjennom, mens romlyden fra målreferansen kan bli kopiert.
ŷ=G(c(x_src),F0(x_src),E(x_src),e(x_ref))c(x_src)språklig innholdF0,Emelodi og energie(x_ref)betingelse for målklangInnhold, F0 og energi kommer fra kildefremføringen; målklangen kommer fra referansen. Ufullstendig oppdeling etterlater kildeidentitet eller overfører fargen fra rommet.
En ferdig miks trenger først et rent spor med hovedvokal. Lekkasje fra separasjonen får ny klang gjennom konverteringen og kan bli vanskeligere å fjerne, så begge trinn må vurderes samlet.
Artikler, kode og vekter kan følges via HQ-SVC / YingMusic-SVC / YingMusic-SVC-artikkelen.
Hver rad beholder arkitekturen, måleverdien eller oppgavedefinisjonen fra sin egen kilde; resultater uten en felles protokoll holdes atskilt.
| Modell | Arkitektur eller dokumentasjon | Omfang |
|---|---|---|
| HQ-SVC | standardkjede med høy kvalitet | gjengivelse, tydelighet og stabilitet i høyt register |
| YingMusic-SVC | sammenligning av innhold/F0/klang | bevaring på tvers av sangere og språk |
| kildeseparasjon + SVC | fullstendig kjede for mikset inngang | lekkasje fra separasjonen forplanter seg til konverteringen |
Kontroller tekst og rytme først, deretter tonehopp, sibilanter, luftighet og brudd i høyt register. Automatisk transponering endrer belastningen på stemmen og kan ikke oppsummeres med gjennomsnittlig likhet.
Bruk en tørr målreferanse med solostemme, uten akkompagnement og med et nyttig register. En kort prøve med romklang kan gjøre romfargen til en tilsynelatende identitet.
Konvertering opphever ikke opphavsrett eller utøverrettigheter. Offentlig publisering krever tillatelse til både kildefremføringen og målidentiteten.
Systemet garanterer ikke anonymisering; egenskaper fra kilden kan bli igjen, så SVC er ikke et personvernfilter.
Modellnavn, tall og begrensninger kan spores til artiklene, kodelagrene eller modellkortene nedenfor.