Cet ensemble de données est un ensemble de données de chant de haute qualité, mondial, multi-compétences et à grande échelle, open source, publié par une équipe de recherche de l'Université du Zhejiang en 2024. Les résultats de l'article associé sont "GTSinger : un corpus mondial de chant multi-techniques avec des partitions réalistes pour toutes les tâches de chant", a été accepté comme un Spotlight dans le cadre des ensembles de données et des benchmarks NeurIPS 2024.

L'ensemble de données contient 80,59 heures de chant enregistrées dans des studios professionnels par 20 chanteurs professionnels dans neuf langues différentes, dont le chinois, l'anglais, le japonais, le coréen, etc., offrant aux chercheurs une bibliothèque de ressources avec des timbres et des styles extrêmement riches. Il convient de mentionner en particulier que GTSinger a accordé une attention particulière au contrôle et à la modélisation des techniques de chant lors de sa conception, et a fourni des groupes de contrôle et des annotations au niveau des phonèmes pour 6 techniques de chant couramment utilisées, ce qui lui confère des avantages uniques dans des tâches telles que la synthèse du chant et la reconnaissance des techniques.

Une autre caractéristique notable de GTSinger est qu'il fournit de véritables partitions musicales qui correspondent au chant, ce qui est très utile dans la création musicale réelle car elle est différente des partitions musicales détaillées telles que MIDI et est plus proche du processus de composition réel. La structure de l’ensemble de données est conçue très clairement. Chaque dossier de niveau supérieur correspond à une langue différente, et chaque dossier de langue est divisé en 5 sous-dossiers, représentant des techniques de chant spécifiques. De plus, la qualité audio de GTSinger est très élevée. Tous les chants et discours sont enregistrés au format WAV à une fréquence d'échantillonnage de 48 kHz et une résolution de 24 bits, et des informations détaillées d'alignement et d'annotation dans des fichiers TextGrid sont fournies.

L'ensemble de données GTSinger excelle non seulement en termes d'échelle et de qualité des données, mais il prend également en charge une variété de tâches de chant, notamment la synthèse de chant, la reconnaissance des compétences, le transfert de style et la conversion de la parole en chant, et peut être adapté à plusieurs tâches.