Singing Voice Data Scaling-up: An Introduction to ACE-Opencpop and ACE-KiSing

这项研究提出了一种独特的策略来解决歌声合成（SVS）中由于数据有限性而面临的挑战。我们采用了现有的歌声合成器进行数据增强，辅以详细的手动调整，这是以前未曾探索的数据处理方法，以减少不自然的声音合成。这种创新方法已经导致了两个广泛的歌声数据集的创建，即ACE-Opencpop和ACE-KiSing，这对于大规模的多歌手声音合成非常重要。通过彻底的实验，我们确定这些数据集不仅可以作为SVS的新基准，而且在作为补充资源时还可以提高其他歌声数据集的SVS性能。这些语料库、预训练模型及其相关的训练配方均可在ESPnet-Muskits（\url{https://github.com/espnet/espnet}）公开获取。

本论文旨在解决歌声合成中数据稀缺的问题，提出了一种新的数据扩充策略，同时通过详细的手动调整来减少不自然的合成声音。

论文的关键思路是使用现有的歌声合成器进行数据扩充，结合详细的手动调整，以减少不自然的声音合成。这种方法不仅创造了两个广泛的歌声数据集，还可以提高其他歌声数据集的合成性能。

论文创造了两个广泛的歌声数据集，即ACE-Opencpop和ACE-KiSing，并且使用这些数据集作为辅助资源可以提高歌声合成的性能。在实验中，作者还使用了ESPnet-Muskits平台进行了开源实现。

在最近的研究中，也有一些关于歌声合成的相关研究，如《Deep Learning for Singing Voice Synthesis: Recent Progress and Open Challenges》、《Singing Voice Synthesis: Recent Advances and Future Directions》等。