是否可以更改模型架构或者其他方式提升合成音质？ about diffsinger HOT 6 CLOSED

先问是不是，再问能不能。

1. 你确定这个fork版本的DiffSinger不如HiddenSinger？你对比的是原始版本的DiffSinger，和现在的版本已经不可同日而语了；这个版本的DiffSinger基础架构有大量工业界同行和实际用户群体验证，HiddenSinger核心的LDM是否经过了验证？为何至今没有大规模运用？
2. 你确定DiffSinger声库质量不如SV？有没有可能，是因为SV的训练数据质量比你听到的大部分DS声库的质量更好，而真正好的DS声库你没有听过？

做实验回答上述两个问题，才轮到讨论提升合成音质的事。

from diffsinger.

首先模型的质量更取决于训练数据和训练方法，而不是算法本身。你提到的hiddensinger用了 latent 声码器，这个只有非常大规模的高质量数据集才能有较好的效果（可能需要几百甚至几千小时的录音棚数据），而且需要事先预训练好，你如果出钱买数据和显卡我们就能训练，保证至少不比这个 hiddensinger 和 sv 差

from diffsinger.

你说的差是指哪些方面的？声库的质量和数据集有很大的关系

from diffsinger.

https://jisang93.github.io/hiddensinger-demo/ 主要是音质和真实度方面，可以听下这里的对比效果。

from diffsinger.

先问是不是，再问能不能。

1. 你确定这个fork版本的DiffSinger不如HiddenSinger？你对比的是原始版本的DiffSinger，和现在的版本已经不可同日而语了；这个版本的DiffSinger基础架构有大量工业界同行和实际用户群体验证，HiddenSinger核心的LDM是否经过了验证？为何至今没有大规模运用？
2. 你确定DiffSinger声库质量不如SV？有没有可能，是因为SV的训练数据质量比你听到的大部分DS声库的质量更好，而真正好的DS声库你没有听过？

做实验回答上述两个问题，才轮到讨论提升合成音质的事。

好的，那是我少见识了，能达到就好，后面我尝试优化。

from diffsinger.

能指导下如何做高质量的声库吗？

from diffsinger.