HQ-SVC и YingMusic-SVC: демонтаж контента, F0, энергия и тембр певческого голоса, преобразование

ПРЕОБРАЗОВАНИЕ ПЕВЧЕСКОГО ГОЛОСА

SVC не подмешивает целевой референс к исходной записи. Система должна сохранить текст, временную структуру и мелодию источника, заменив при этом статистические характеристики тембра. Утечка содержания проявляется в ошибках произношения или проникновении фоновых звуков.

Условие по высоте тона

Высоту можно выразить в полутонах как p=69+12log₂(f₀/440). Автоматический сдвиг диапазона помогает при большой разнице регистров, но ошибки F0 превращают глиссандо, дыхание и гармонию в неверные мелодические подсказки.

Что в действительности предлагают две публикации

Карточка модели HQ-SVC объединяет код инференса, FACodec, RMVPE и ресурсы вокодера. YingMusic-SVC публикует адаптер с учётом F0, согласование потоков с балансировкой энергии и обучение для реального гармонического загрязнения. Без общего тестового набора публичные материалы не позволяют объявить единым победителем один из проектов.

Два вида загрязнения входных данных

Проникший в источник аккомпанемент перекрашивается при преобразовании, а реверберация или фоновый звук в целевом промпте могут быть ошибочно приняты за признаки личности. И исходный ведущий вокал, и целевой референс должны быть чистыми, а преобразованную запись следует ясно обозначать как синтетическую.