К содержимому

Датасет · amaai-lab

Студийная речь с оговорками и эмоциями для TTS

amaai-lab/DisfluencySpeech

Почти 10 часов студийной английской речи одного диктора с паралингвистикой для обучения живого синтеза речи.

Что внутри

Набор из нескольких тысяч пар аудио и текста, где один диктор в студийном качестве заново озвучил около 10 часов живых неформальных реплик из телефонного корпуса Switchboard-1. Записи содержат естественные паузы, запинки и паралингвистические элементы.

Что можно сделать

  • Обучение моделей синтеза речи (TTS), способных предсказывать и озвучивать живые паузы и эмоции прямо из текста
  • Дообучение ASR-систем для лучшего распознавания спонтанной речи с оговорками
Размер
1K–10K записей
Скачиваний за месяц
608
Лайков
25

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("amaai-lab/DisfluencySpeech")