vctk

  • opis :

Ten CSTR VCTK Corpus zawiera dane mowy wypowiedziane przez 110 anglojęzycznych z różnymi akcentami. Każdy mówca odczytuje około 400 zdań, które zostały wybrane z gazety, tęczowego fragmentu i akapitu elicytacji, które zostały użyte do archiwum akcentów mowy.

Zauważ, że tekst „p315” został utracony z powodu błędu dysku twardego.

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),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
akcent Etykieta klasy int64
płeć Etykieta klasy int64
ID Napinacz strunowy
głośnik Etykieta klasy int64
przemówienie Audio (Nic,) int16
tekst Tekst strunowy
@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 (domyślna konfiguracja)

  • Opis konfiguracji: Dźwięk nagrany przy użyciu mikrofonu wielokierunkowego (DPA 4035). Zawiera dźwięki o bardzo niskiej częstotliwości.

          This is the same audio released in previous versions of VCTK:
          https://doi.org/10.7488/ds/1994
    
  • Rozmiar zestawu danych : 39.87 GiB

  • Podziały :

Rozdzielać Przykłady
'train' 44455

vctk/mic2

  • Opis konfiguracji : Dźwięk nagrany przy użyciu małomembranowego mikrofonu pojemnościowego o bardzo szerokim paśmie przenoszenia (Sennheiser MKH 800).

          Two speakers, p280 and p315 had technical issues of the audio
          recordings using MKH 800.
    
  • Rozmiar zestawu danych : 38.86 GiB

  • Podziały :

Rozdzielać Przykłady
'train' 43873