华南理工大学学报(自然科学版)

作者：李粤, 黄奕翰, 彭郑威, 谢吉轩, 杜宇烨

单位：1.华南理工大学 计算机科学与工程学院，广东 广州 5100062.中山大学 计算机学院，广东 广州 510006

关键词：粤剧,生成式人工智能,数据集,人声合成

基金：国家自然科学基金项目(62476096)

中国戏曲文化作为中国传统艺术之一，具有独特的音乐表现力。粤剧是中国主要戏曲剧种之一，是岭南文化的重要载体，被列入世界非物质文化遗产名录。近年来，生成式人工智能技术展现了其在内容创作领域的强大能力，如歌声合成技术能够根据指定乐谱合成自然的歌声，这为粤剧的数字化保护与创新提供了全新思路。然而，戏曲数据的收集与整理面临音频质量不佳、方言标注复杂等问题，导致高质量戏曲数据集极为匮乏。基于此，该文将流行音乐领域的歌声合成技术应用到粤剧人声合成领域，提出了音素级标注的音频-文本对齐的粤剧人声合成数据集（CODS）。首先，通过系统化的流程构建了数据集CODS，该数据集源自4位著名表演者的29部原创作品，总时长为3.81 h，为粤剧研究和数字化提供了重要支持；然后，在该数据集上，采用深度学习方法进行实验，实现了歌词、音色和旋律可控的粤剧人声合成；最后，建立了一套粤剧人声合成评估方案，主客观评价结果达到了领域内良好水平，验证了所制作数据集的可用性。该文构建的数据集CODS成功填补了人工智能在粤剧人声合成领域的空白，有力推动了这一传统艺术的传承与创新。

来源：2025年第9期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第9期