网易伏羲联合上海视觉艺术学院、西工大、同济大学、WeNet社区发布的首个中文精标歌声合成数据集——Opencpop。
项目背景
Opencpop是一个公开的高质量普通话歌唱语料库，专为歌声合成（SVS）系统而设计。该语料库由100首独特的国语歌曲组成，由专业女歌手录制。所有音频文件均在专业录音棚环境中以44,100Hz的采样率以录音棚品质录制。
所有歌唱录音都已用发音/音符/音素边界和音高类型进行语音注释。最终数据集包含3756个语音，总共约5.2 小时。测试集由5首随机选择的歌曲组成，并提供了基线合成结果。
为了证明已发布数据的可靠性并为未来研究提供基线，我们构建了基于深度神经网络的基线 SVS 模型，并使用客观指标和主观平均意见得分 (MOS) 指标对其进行评估。实验结果表明，在我们的数据库上训练的最佳 SVS 模型达到 3.70 MOS，表明提供的语料库的可靠性。Opencpop 发布到开源社区 WeNet，语料库和合成的 demo 可以在项目主页上找到。
数据主页
https://wenet.org.cn/opencpop/
论文地址
https://arxiv.org/abs/2201.07429
Github地址
https://github.com/wenet-e2e/opencpop
