MPEcho

新的MPEcho框架提高了翻唱歌曲生成的准确性

研究人员开发了MPEcho，一个旨在提高翻唱歌曲生成准确性的新型生成框架。该框架解决了现有模型（如SongEcho）在歌词准确性方面因隐式语言信息而存在的局限性。MPEcho引入了音素编码器和长度调节器，用于显式的、音素级别的控制，显著降低了音素错误率。为了支持这一点，基于Whisper创建了一个名为Phonsa的新转录模型，为演唱声音提供精确的音素级别标注，克服了相关训练数据的稀缺性。