LLM-Dys

该数据集是一个综合性的合成数据集，包含了11种言语不流畅的类型，总计含有12,790小时的言语不流畅语音。该数据集利用了大型语言模型增强的模拟技术，既捕捉了词汇层面也捕捉了音素层面的不流畅现象。规模上，该数据集达到了12,790小时，其任务是进行语音不流畅检测。

This is a comprehensive synthetic dataset that covers 11 types of speech disfluencies, with a total of 12,790 hours of disfluent speech audio. It leverages large language model-enhanced simulation techniques to capture disfluencies at both lexical and phonemic levels, and is designed for speech disfluency detection tasks.

搜集汇总

背景与挑战

背景概述

LLM-Dys是一个用于口吃语音合成的数据集，基于大语言模型生成真实的词级和音素级口吃语音数据，支持六种口吃类型（重复、插入、删除、暂停、替换、延长）。数据集规模庞大，约12,790小时，并利用VCTK数据集实现多说话人支持，同时提供数据生成和转录工具。