Датасет · espnet
Сегменты певческого голоса ACE-KiSing
espnet/ace-kising-segments
Аудиозаписи вокала и тексты на китайском и английском для генерации и распознавания пения.
Что внутри
Датасет содержит от 10 до 100 тысяч пар из аудиофрагментов певческого голоса и текста на китайском и английском языках. Он представлен в рамках научной работы 2024 года о масштабировании данных для синтеза вокала (ACE-Opencpop и ACE-KiSing) и подходит для задач text-to-audio, audio-to-audio и ASR.
Что можно сделать
- Обучение моделей синтеза певческого голоса (SVS) по тексту
- Дообучение систем распознавания речи (ASR) на вокальных партиях
- Задачи
- Текст → аудио, Обработка аудио, Распознавание речи
- Языки
- Китайский, Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 451
- Лайков
- 8
Как загрузить
from datasets import load_dataset
ds = load_dataset("espnet/ace-kising-segments")