مجموعة بيانات صوت الغناء GTSinger

هذه المجموعة من البيانات هي مجموعة بيانات غناء عالمية مفتوحة المصدر واسعة النطاق، متعددة المهارات، وعالية الجودة، أصدرها فريق بحثي من جامعة تشجيانغ في عام 2024. نتائج الورقة البحثية ذات الصلة هي "GTSinger: مجموعة غنائية عالمية متعددة التقنيات مع مقطوعات موسيقية واقعية لجميع مهام الغناء"، تم قبوله كعنصر مميز في مسار البيانات والمعايير NeurIPS 2024.

تحتوي مجموعة البيانات على 80.59 ساعة من الغناء المسجل في استوديوهات احترافية بواسطة 20 مغني محترف بتسع لغات مختلفة، بما في ذلك الصينية والإنجليزية واليابانية والكورية وغيرها، مما يوفر للباحثين مكتبة موارد ذات نغمات وأنماط غنية للغاية. ومن الجدير بالذكر بشكل خاص أن GTSinger أولت اهتمامًا خاصًا بالتحكم في تقنيات الغناء ونمذجتها أثناء تصميمها، وقدمت مجموعات تحكم وتعليقات توضيحية على مستوى الصوتيات لستة تقنيات غناء شائعة الاستخدام، مما يمنحها مزايا فريدة في مهام مثل توليف الغناء والتعرف على التقنية.

من الميزات البارزة الأخرى لبرنامج GTSinger أنه يوفر مقطوعات موسيقية حقيقية تتوافق مع الغناء، وهو أمر مفيد للغاية في إنشاء الموسيقى الفعلية لأنه يختلف عن النوتات الموسيقية التفصيلية مثل MIDI وهو أقرب إلى عملية التكوين الفعلية. تم تصميم هيكل مجموعة البيانات بشكل واضح للغاية. يتوافق كل مجلد من المستوى الأعلى مع لغة مختلفة، وينقسم كل مجلد لغة إلى 5 مجلدات فرعية تمثل تقنيات غناء محددة. بالإضافة إلى ذلك، جودة الصوت في GTSinger عالية جدًا. يتم تسجيل كافة الغناء والكلام بتنسيق WAV بمعدل أخذ عينات يبلغ 48 كيلو هرتز ودقة 24 بت، كما يتم توفير معلومات المحاذاة والتعليق التفصيلية في ملفات TextGrid.

لا تتميز مجموعة بيانات GTSinger بمقياس البيانات والجودة فحسب، بل إنها تدعم أيضًا مجموعة متنوعة من مهام الغناء، بما في ذلك توليف الغناء، والتعرف على المهارات، ونقل الأسلوب، وتحويل الكلام إلى غناء، ويمكن تكييفها مع مهام متعددة.