NNSVS: A Neural Network-Based Singing Voice Synthesis Toolkit

要約

この論文では、ニューラル ネットワークに基づく歌声合成研究用のオープン ソース ソフトウェアである NNSVS の設計について説明します。
NNSVS は、歌声合成研究におけるオープンソースのパイオニアである Sinsy に触発され、マルチストリーム モデル、自己回帰基本周波数モデル、ニューラル ボコーダーなどの多くの追加機能を提供します。
さらに、NNSVS は、完全な歌声合成システムを構築するための広範なドキュメントと多数のスクリプトを提供します。
実験結果は、私たちの最高のシステムが、Sinsy やその他のベースライン システムの再現よりも大幅に優れていることを示しています。
ツールキットは https://github.com/nnsvs/nnsvs で入手できます。

要約(オリジナル)

This paper describes the design of NNSVS, an open-source software for neural network-based singing voice synthesis research. NNSVS is inspired by Sinsy, an open-source pioneer in singing voice synthesis research, and provides many additional features such as multi-stream models, autoregressive fundamental frequency models, and neural vocoders. Furthermore, NNSVS provides extensive documentation and numerous scripts to build complete singing voice synthesis systems. Experimental results demonstrate that our best system significantly outperforms our reproduction of Sinsy and other baseline systems. The toolkit is available at https://github.com/nnsvs/nnsvs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google