ترجمه فارسی مقاله ساخت مجموعه داده شرح سبک آواز خواندن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Constructing a Singing Style Caption Dataset
عنوان مقاله به فارسی ساخت مجموعه داده شرح سبک آواز خواندن
نویسندگان Hyunjong Ok, Jaeho Lee
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Artificial Intelligence,Machine Learning,Sound,Audio and Speech Processing,محاسبات و زبان , هوش مصنوعی , یادگیری ماشین , صدا , پردازش صوتی و گفتار ,
توضیحات Submitted 15 September, 2024; originally announced September 2024. , Comments: Preprint
توضیحات به فارسی ارسال شده در 15 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: preprint
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Singing voice synthesis and conversion have emerged as significant subdomains of voice generation, leading to much demands on prompt-conditioned generation. Unlike common voice data, generating a singing voice requires an understanding of various associated vocal and musical characteristics, such as the vocal tone of the singer or emotional expressions. However, existing open-source audio-text datasets for voice generation tend to capture only a very limited range of attributes, often missing musical characteristics of the audio. To fill this gap, we introduce S2Cap, an audio-text pair dataset with a diverse set of attributes. S2Cap consists of pairs of textual prompts and music audio samples with a wide range of vocal and musical attributes, including pitch, volume, tempo, mood, singer's gender and age, and musical genre and emotional expression. Utilizing S2Cap, we suggest an effective novel baseline algorithm for singing style captioning. Singing style captioning is a relative task to voice generation that generates text descriptions of vocal characteristics, which we first suggested. First, to mitigate the misalignment between the audio encoder and the text decoder, we present a novel mechanism called CRESCENDO, which utilizes positive-pair similarity learning to synchronize the embedding spaces of a pretrained audio encoder to get similar embeddings with a text encoder. We additionally supervise the model using the singer's voice, which is demixed by the accompaniment. This supervision allows the model to more accurately capture vocal characteristics, leading to improved singing style captions that better reflect the style of the singer. The dataset and the codes are available at \bulurl{https://github.com/HJ-Ok/S2cap}.

چکیده به فارسی (ترجمه ماشینی)

آواز خواندن و تبدیل صدا به عنوان زیر دامنه قابل توجهی از تولید صدا پدید آمده است و منجر به تقاضای زیادی در نسل سریع با شرایط می شود.بر خلاف داده های صوتی رایج ، تولید صدای آواز خواندن نیاز به درک ویژگی های مختلف صوتی و موسیقی مرتبط ، مانند صدای آواز خواننده یا عبارات عاطفی دارد.با این حال ، مجموعه داده های متن متن صوتی موجود برای تولید صدا ، تمایل به ضبط فقط طیف بسیار محدودی از ویژگی ها ، که اغلب ویژگی های موسیقی از صدا را از دست می دهد.برای پر کردن این شکاف ، S2CAP ، یک مجموعه داده جفت متن متن با مجموعه متنوعی از ویژگی ها را معرفی می کنیم.S2CAP شامل جفت مطالب متنی و نمونه های صوتی موسیقی با طیف گسترده ای از ویژگی های صوتی و موسیقی از جمله زمین ، حجم ، سرعت ، خلق و خوی ، جنسیت و سن خواننده و ژانر موسیقی و بیان عاطفی است.با استفاده از S2CAP ، ما یک الگوریتم پایه اصلی مؤثر برای عنوان آواز خواندن را پیشنهاد می کنیم.عنوان آواز خواندن یک کار نسبی برای تولید صدا است که توضیحات متن از خصوصیات صوتی را ایجاد می کند ، که ما ابتدا پیشنهاد کردیم.اول ، برای کاهش سوء استفاده بین رمزگذار صوتی و رمزگذار متن ، ما یک مکانیسم جدید به نام Crescendo را ارائه می دهیم ، که از یادگیری شباهت جفت مثبت برای همگام سازی فضاهای جاسازی شده یک رمزگذار صوتی پیشین برای به دست آوردن جاسازی های مشابه با رمزگذار متن استفاده می کنیم.ما علاوه بر این ، مدل را با استفاده از صدای خواننده نظارت می کنیم ، که توسط همراهی از بین می رود.این نظارت به مدل اجازه می دهد تا ویژگی های صوتی را با دقت بیشتری ضبط کند و منجر به بهبود زیرنویس های سبک آواز شود که بهتر نشان دهنده سبک خواننده است.مجموعه داده ها و کدها در \ bulurl {https://github.com/hj-ok/s2cap} در دسترس هستند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.