Suno v5.5: datasety pro svůj hlas

Generování vokálu v Suno v5.5: tvorba datových sad pro timbre a styl

Funkce „Your Voice“ v Suno v5.5 umožňuje generovat vokál na základě uživatelských datových sad. Systém rozkládá hlas na timbre, intonaci a artikulaci. Timbre je určeno geometrií hlasového aparátu, intonace změnami výšky tónu s vibrato a melismami, artikulace prací jazyka a rtů. To zajišťuje flexibilitu: model timbre lze kombinovat s intonací a artikulací pro jakýkoli jazyk.

Rozpoznatelnost hlasu závisí na vyváženosti těchto složek. Pokud generace nepřipomíná originál, analyzujte, který prvek je zkreslený.

Klasifikace timbre

Pro popis timbre v pění se používají kategorie:

• Power (Silný): znějící hlas s pěveckou formantou ~2,5 kHz, typický pro operu.
• Normal (Neutrální): neutrální bez napětí.
• Breathy (Dýchavý): s přídechem, blízko šepotu s tóny.

Systémy jako Synth-V přidávají styl: Soft, Power, Bright, Dark. Vocaloid se zaměřuje na Breathiness, Dynamics, Opening.

Příprava hlasových datových sad

Testování probíhalo na 11 datových sadech (DS) o délce 6 s – 4 min. Vokální bez tuningu, řečové v různých stylech. Generace v 9 stylech s parametry Weirdness 0–90, Style/Audio Influence 50–100.

Prvních 7 DS:

• Power (vokál, silný).
• Normal (vokál).
• Divadlo (řeč, divadelní).
• Pláč (pláč).
• Smíšený (sbírka 1–4).
• Výrazná řeč (básně s výrazem).
• Nevýrazná řeč (monotónní báseň).

Další 4 DS pro přesnost:

• Breathy (dýchavý, nízké frekvence očištěné).
• RVC DS (vokál/řeč Ru/En).
• Jedna píseň (jedna píseň s power/normal/breathy).
• Sada písní (úryvky z 8 písní).

DS s výraznou intonací (Pláč, RVC) nebo timbrem (Power, Breathy) dávají rozpoznatelný výsledek. Řečové DS zajišťují přesný recitativ s emocemi a rytmem.

Aranžmá s vlastní melodií

Pro aranžmá vytvořte MIDI nástin: melodie, rytmus, harmonie v suché formě (bez efektů). Převeďte do MP3, použijte režim Cover + Your Voice + Lyrics + Style.

Doporučení pro nástin:

• Jednoduché noty: čtvrťové pro akordy/bas umožňují variace (osminové, trioly).
• Melodie: GM Clarinet nebo Lead 6 (hlas); nápev s tuningem; Synth-V/Vocaloid.
• Harmonie: vyhněte se složitostem (Am7/G, Csus2); systém může zaokrouhlit na dur/moll.

Testováno na 8 DS: lidová píseň, „Make Me Feel“, „Red Hair Girl“. Vysoký Audio Influence zvyšuje podobnost.

Hotové skladby jako nástin snižují svobodu stylu a kvalitu.

Klíčové faktory zachování timbre

Co je důležité:

• Výškový rozsah nástinu odpovídá DS; systém rozšiřuje, ale morfuje při nedostatku dat.
• Prompt/Style odpovídá DS: R&B přidá melismy, nevhodné pro power hlasy.
• Vysoký Audio Influence pro dominanci DS.

Omezte variabilitu v Lyrics, měňte sloky pro kontrolu melodie.

Co je důležité

• Rozdělení na timbre, intonaci, artikulaci umožňuje flexibilní syntézu.
• Několik DS pro styly: univerzální nepokryje všechny písně.
• Jednoduchý suchý nástin maximalizuje variace aranžmá.
• Vysoký Audio Influence a odpovídající Style zachovávají rozpoznatelnost.
• Řečové DS dávají profesionální recitativ s emocemi.

— Editorial Team