Создание AI-модели певческого голоса (RVC / SVC) (Бюджет: 20 000 руб)

Нужно создать и качественно настроить нейросетевую модель конкретного голоса для исполнения песен. Задача: на вход подается готовая вокальная партия, исполненная другим голосом, а на выходе должно получаться максимально естественное исполнение заданным голосом и тембром, с сохранением мелодии, интонаций и особенностей вокальной подачи. Речь идет не об обычном клонировании речи и не о создании голоса для озвучки текста. Нужна работа именно с певческим голосом — Singing Voice Conversion. Можно использовать RVC, SVC, so-vits-svc, Diff-SVC, DDSP-SVC или другие технологии. Привязки к конкретному ПО нет: если для получения более естественного результата существует более подходящее решение, готовы его рассмотреть. Есть большое количество исходных записей — песни, вокальные дорожки и другой аудиоматериал. При необходимости можно специально записать дополнительный материал по техническому заданию исполнителя. Ранее уже предпринималась попытка решить эту задачу с помощью соответствующего ПО, однако добиться достаточно естественного звучания не получилось. Поэтому нужен специалист, который не просто умеет запустить обучение модели, а имеет практический опыт получения качественного результата именно с певческим голосом. Особенно важно: естественное звучание без металлического, роботизированного оттенка и других характерных нейросетевых артефактов; точная передача тембра исходного голоса; хорошая работа в разных регистрах и на разных нотах; сохранение естественных интонаций, атаки, дыхания и динамики; понимание того, как правильно отбирать, очищать и готовить датасет; умение подобрать подходящую архитектуру и параметры обучения; возможность при необходимости провести несколько итераций обучения и доводки модели. В результате нужна готовая рабочая система, позволяющая брать качественно исполненную вокальную дорожку и преобразовывать ее в вокал заданным голосом. Предпочтительный формат работы — сначала небольшое оплачиваемое тестовое задание. Предоставляется короткий фрагмент исходного материала и вокальной партии продолжительностью примерно 20–30 секунд. По качеству результата принимается решение о дальнейшей работе над полноценной моделью. Тест нужен прежде всего для оценки естественности голоса. Важен не сам факт успешной конвертации, а то, насколько убедительно результат звучит как живое вокальное исполнение. В отклике желательно указать: С какими технологиями Singing Voice Conversion вы работаете. Есть ли опыт именно с пением, а не только с синтезом или клонированием речи. Примеры вокала до и после обработки, желательно выполненные лично вами. Какой исходный материал потребуется и в каком объеме. Какой подход вы предлагаете использовать для достижения естественного звучания. Что будет передано в результате: обученная модель, необходимые файлы, настроенное ПО или интерфейс, инструкция по использованию. Стоимость тестового задания. Ориентировочную стоимость полной работы. Ключевой критерий — качество звучания. Модель, которая технически работает, но дает явно искусственный, металлический или «нейросетевой» вокал, задачу не решает.