TEXT_TO_Audio

kaggle2024-02-09 更新2025-01-04 收录

文本到音频生成

语音合成

数据链接：

https://www.kaggle.com/datasets/muhammadqasimshabbir/text-to-audio 数据链接链接失效反馈

官方服务：

资源简介：

text to audio for training Text to audio transfomer

用于训练的文本转音频 Transformer

创建时间：

2024-02-09

filipinospeechcorpus

语音识别

语音合成

菲律宾语音语料库（Filipino Speech Corpus, FSC）是一个用于自动语音识别（ASR）和文本转语音（TTS）任务的句子级语音数据集。该数据集以Hugging Face Parquet格式存储，包含16kHz单声道音频片段。数据集总大小约为6GB，由139个分片组成。每个样本包含音频文件、对应的文本转录、音频时长、单词数量、说话者ID、性别、年龄组、语音类型（朗读/自发/机器生成

Hugging Face2026-03-22 更新200

10小时客家方言女声合成库【数据堂】

语音合成

客家方言

10小时客家方言女声合成库，由梅州客家发音人录制。语料音素覆盖均衡，专业语音学家参与标注，精准匹配语音合成的研发需求

OpenDataLab2024-06-03 更新130

4人广粤平均音色合成库

语音合成

粤语方言

4人广粤平均音色合成库，由广东本土人参与录制。录音文本包含教育、游戏、通用口语化内容。语料音素覆盖均衡，专业语音学家参与标注，精准匹配语音合成的研发需求。

数据堂90

mekaneeky/Synthetic_English_VITS_22.5k

语音合成

多语言

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: dev path: data/dev-* - split: test path: data/test-* dataset_info: features: - name:

Hugging Face2023-10-27 更新200

eduhk-compling/11557565_LamLamWaiLexie

语音合成

音频处理

该数据集包含50个干净的音频录音，用于文本到语音训练，由单个说话者录制。为LIN3046计算语言学作业2创建。总时长约300秒（超过3分钟），样本数为50，语言为普通话（40句）和英语（10句），说话者为stuedent1，录制环境为安静的房间，使用iPad Voice Memo录制，音频格式为WAV（16-bit PCM，44100Hz），数据集大小约为50MB。

Hugging Face2026-02-05 更新100

TEXT_TO_Audio

资源简介：

相关数据集