vctk

  • 説明:

この CSTR VCTK コーパスには、110 人の英語話者がさまざまなアクセントで発話した音声データが含まれています。各スピーカーは、新聞、虹のパッセージ、およびスピーチ アクセントのアーカイブに使用された引き出しパラグラフから選択された約 400 のセンテンスを読み上げます。

「p315」テキストは、ハードディスク エラーのために失われたことに注意してください。

FeaturesDict({
    'accent': ClassLabel(shape=(), dtype=int64, num_classes=13),
    'gender': ClassLabel(shape=(), dtype=int64, num_classes=2),
    'id': string,
    'speaker': ClassLabel(shape=(), dtype=int64, num_classes=110),
    'speech': Audio(shape=(None,), dtype=int16),
    'text': Text(shape=(), dtype=string),
})
  • 機能のドキュメント:
特徴クラス形Dtype説明
特徴辞書
アクセントクラスラベルint64
性別クラスラベルint64
IDテンソルストリング
スピーカークラスラベルint64
スピーチオーディオ（なし、） int16
文章文章ストリング
@misc{yamagishi2019vctk,
  author={Yamagishi, Junichi and Veaux, Christophe and MacDonald, Kirsten},
  title={ {CSTR VCTK Corpus}: English Multi-speaker Corpus for {CSTR} Voice Cloning Toolkit (version 0.92)},
  publisher={University of Edinburgh. The Centre for Speech Technology Research (CSTR)},
  year=2019,
  doi={10.7488/ds/2645},
}

vctk/mic1 (デフォルト構成)

  • 構成の説明: 無指向性マイク (DPA 4035) を使用して録音された音声。非常に低周波のノイズが含まれています。

          This is the same audio released in previous versions of VCTK:
      https://doi.org/10.7488/ds/1994

  • データセットサイズ: 39.87 GiB

  • スプリット:

スプリット例
'train' 44,455

vctk/mic2

  • 構成の説明: 帯域幅が非常に広いスモール ダイアフラム コンデンサー マイク (Sennheiser MKH 800) を使用して録音されたオーディオ。

          Two speakers, p280 and p315 had technical issues of the audio
      recordings using MKH 800.

  • データセットサイズ: 38.86 GiB

  • スプリット:

スプリット例
'train' 43,873