GTSinger 歌声音频数据集

该数据集是由浙江大学的研究团队于 2024 年发布的全球化、多技巧的大型开源高质量歌声数据集，相关论文成果为「GTSinger: A Global Multi-Technique Singing Corpus with Realistic Music Scores for All Singing Tasks」，已被 NeurIPS 2024 Datasets and Benchmarks Track 接收为 Spotlight 。

数据集包含了 80.59 小时的专业录音棚录制的歌声，这些歌声由 20 位专业歌手演唱，覆盖了 9 种不同的语言，包括汉语、英语、日语、韩语等，为研究者提供了一个音色和风格极为丰富的资源库。特别值得一提的是，GTSinger 在设计时特别关注了歌唱技巧的控制和建模，提供了 6 种常用歌唱技巧的对照组和音素级标注，这使得它在歌声合成、技巧识别等任务上具有独特的优势。

GTSinger 的另一个显著特点是它提供了与歌声相匹配的真实乐谱，这在实际音乐创作中非常有用，因为它与 MIDI 等精细乐谱不同，更接近于实际的作曲过程。数据集的结构设计得非常清晰，每个顶级文件夹对应不同的语言，每个语言文件夹下又细分为 5 个子文件夹，分别代表特定的歌唱技巧。此外，GTSinger 的音频质量非常高，所有的歌声和语音都以 48kHz 的采样率和 24 位的分辨率录制于 WAV 格式，并且提供了详细的 TextGrid 文件中的对齐和标注信息。

GTSinger 数据集不仅在数据规模和质量上表现出色，它还支持多种歌声任务，包括歌声合成、技巧识别、风格迁移和语音到歌声的转换，可以适配多任务。