К содержимому

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")