Датасет · keithito
Классический англоязычный речевой датасет LJ Speech
keithito/lj_speech
24 часа студийной речи одного диктора на английском языке с текстовыми расшифровками для ASR и TTS.
Что внутри
Набор включает 13 100 коротких аудиоклипов длительностью от 1 до 10 секунд в формате .wav, записанных одним диктором при чтении фрагментов из 7 научно-популярных книг на английском языке. Общая продолжительность записей составляет около 24 часов, для каждого клипа есть текстовая транскрипция. Датасет находится в общественном достоянии.
Что можно сделать
- Обучение и дообучение одноголосых моделей синтеза речи (TTS)
- Тренировка и тестирование систем распознавания речи (ASR) на английском языке
- Отладка аудиопайплайнов и вокодеров на чистых речевых данных
- Задачи
- Распознавание речи, Синтез речи, Текст → аудио
- Языки
- Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 1,4 тыс.
- Лайков
- 62
Модели, обученные на нём
- 11mlabs/indri-0.1-124m-ttsСинтез речи 982
- AuroraAI-Research/AuroraTTS-100KСинтез речи 461
- mradermacher/indri-0.1-124m-tts-GGUF 300
- mradermacher/indri-0.1-350m-tts-GGUF 262
- SupraLabs/SupraTTS-0.1-BetaСинтез речи 160
- shangeth/Wren-TTS-0.5B-multi-expressiveСинтез речи 155
- ibm-research/DAC.speech.v1.0 129
- muhamadul/xtts-v2-wolofСинтез речи 63
Как загрузить
from datasets import load_dataset
ds = load_dataset("keithito/lj_speech")