xtts_14_11

kaggle2024-11-14 更新2025-01-04 收录

语音合成

语音转文本

数据链接：

https://www.kaggle.com/datasets/kaushikjasoliya25/xtts-model 数据链接链接失效反馈

官方服务：

资源简介：

test to speech model built on 14/11/2024 Yash & Dhruveel

基于2024年11月14日构建的语音模型测试，由Yash和Dhruveel共同完成。

创建时间：

2024-11-14

NVSpeech170k

语音识别

语音合成

NVSpeech170k是一个大规模、开源的数据集，包含174,179个自动标注的语音片段，总计约573小时。数据集涵盖了18种细粒度的副语言类别，如笑声、呼吸、哭泣等，这些在传统的ASR和TTS系统中常被忽略。该数据集支持副语言感知的ASR和可控的语音合成，具有普通话优先设计，并展示了跨语言（如英语）的适用性。

github2025-08-07 更新960

GGarri/PoCcustomdata

语音识别

语音转文本

该数据集包含音频和对应的转录文本，音频的采样率为16000Hz。数据集分为训练集、测试集和验证集，分别包含1460、418和209个样本。训练集的大小约为1.2GB，测试集约为349MB，验证集约为181MB。总下载大小约为1.11GB，数据集总大小约为1.73GB。

Hugging Face2024-07-02 更新110

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

GrigoriiA/libretta-tts-merged-dataset-tags-L10k

语音合成

机器学习

--- dataset_info: features: - name: file_name dtype: string - name: text dtype: string - name: transcription_normalised dtype: string - name: utterance_pitch_mean dtype: floa

Hugging Face2024-05-19 更新130

whucedar/datasets_stt_1

语音识别

语音转文本

该数据集包含音频和句子两个主要特征。音频特征的采样率为16000Hz，句子特征为字符串类型。数据集分为训练集和测试集，训练集包含1007个样本，测试集包含431个样本。数据集的下载大小为572702091字节，总大小为580331887.528字节。数据文件路径分别为训练集的data/train-*和测试集的data/test-*。

Hugging Face2024-07-10 更新90

xtts_14_11

资源简介：

相关数据集