GTSinger是由浙江大學研究團隊推出的大型開源高質量歌聲數據集，旨在支持多樣化的歌聲任務。GTSinger包含80.59小時的專業錄音棚錄制的歌聲，涵蓋九種不同語言（漢語、英語、日語、韓語、俄語、西班牙語、法語、德語和意大利），由20位專業歌手演唱，提供豐富的音色和風格多樣性。GTSinger注重歌唱技巧的控制和建模，提供六種常用歌唱技巧的對照組和音素級標注。GTSinger提供真實樂譜，有助于實際音樂創作。數據集包括人工音素對齊、全局風格標簽和配對朗讀數據，適應各種歌聲任務。
GTSinger的主要功能多語言歌聲數據集：GTSinger包含九種不同語言的歌聲，提供多樣化的音色和風格，支持跨語言的歌聲合成和分析。歌唱技巧控制：數據集提供六種常用歌唱技巧的對照組和音素級標注，研究者能更好地建模和控制歌聲中的技巧。真實樂譜支持：提供與歌聲相匹配的真實樂譜，將歌聲合成技術應用于實際音樂創作非常有幫助。多任務適配：GTSinger設計支持多種歌聲任務，包括歌聲合成、技巧識別、風格遷移和語音到歌聲的轉換。基準測試：提供基準測試，評估數據集在不同歌聲任務上的表現和適用性。GTSinger的技術原理高質量音頻錄制：GTSinger的數據集是在專業錄音棚中錄制專業歌手的歌聲構建的，確保音頻數據的高質量。音素對齊和標注：基于音樂信息檢索技術，如MFA和Praat，進行音素對齊和標注，實現音素級的精確控制。歌唱技巧標注：基于專家聽感和音頻分析技術，對歌聲中的歌唱技巧進行標注，便于模型學習和控制。樂譜生成：結合音頻信號處理技術和音樂理論知識，從歌聲中提取音高信息，轉換為MIDI形式的樂譜，再由專家調整為真實樂譜。數據集構建和驗證：基于人工審核和后續處理，確保數據集的質量和適用性，包括音頻片段的語義分割和無聲區域的處理。GTSinger的項目地址項目官網：gtsinger.github.ioGitHub倉庫：https://github.com/GTSinger/GTSingerHuggingFace模型庫：https://huggingface.co/datasets/GTSinger/GTSingerarXiv技術論文：https://arxiv.org/pdf/2409.13832GTSinger的應用場景歌聲合成：基于數據集中的歌聲樣本和技巧標注，開發出合成具有特定技巧和風格的高質量歌聲的系統。歌聲技巧識別：分析歌聲中的音素級技巧標注，訓練模型識別和分類不同的歌聲技巧。歌聲風格遷移：將一種風格的歌聲轉換為另一種風格，例如將流行歌曲的歌聲轉換為古典風格。語音到歌聲的轉換（Speech-to-Singing, STS）：將普通語音轉換為旋律化的歌聲，用在語音合成和音樂創作。音樂教育：基于數據集中的真實樂譜和歌聲樣本，開發音樂教學工具，幫助學生學習和練習唱歌技巧。 
