ManaTTS

ManaTTS 是一个公开发布的单扬声器波斯语音语料库，包含超过100小时的高质量音频（44.1 kHz），来源于 Nasl-e-Mana 杂志。

ManaTTS is a publicly released single-speaker Persian speech corpus containing over 100 hours of high-quality audio at 44.1 kHz, sourced from Nasl-e-Mana magazine.

原始信息汇总

ManaTTS-Persian-Tacotron2-Model 数据集概述

数据集基本信息

• 名称: ManaTTS数据集
• 语言: 波斯语
• 类型: 单说话人语音合成数据集
• 规模: 超过100小时高质量音频
• 采样率: 44.1 kHz
• 来源: Nasl-e-Mana杂志（https://naslemana.com/）

模型信息

• 架构: Tacotron2
• 用途: 波斯语文本到语音合成
• 权重地址: https://huggingface.co/MahtaFetrat/Persian-Tacotron2-on-ManaTTS
• 实现代码: https://github.com/MahtaFetrat/Persian-MultiSpeaker-Tacotron2/

推理资源

• GitHub Notebook: inference.ipynb
• Google Colab: https://colab.research.google.com/drive/1e0BYsfMKRiikaA62umEyZejmivn0tTE8?usp=sharing

样本输出

• 样本目录: https://github.com/MahtaFetrat/ManaTTS-Persian-Tacotron2-Model/tree/master/output_samples

使用许可

• 数据集许可: CC0-1.0
• 模型实现许可: MIT License
• 版权声明: 包含多个贡献者的版权信息

引用信息

bibtex @article{fetrat2024manatts, title={ManaTTS Persian: A Recipe for Creating TTS Datasets for Lower-Resource Languages}, author={Mahta Fetrat Qharabagh and Zahra Dehghanian and Hamid R. Rabiee}, journal={arXiv preprint arXiv:2409.07259}, year={2024}, }

相关链接

• 数据集地址: https://huggingface.co/datasets/MahtaFetrat/Mana-TTS
• GitHub仓库: https://github.com/MahtaFetrat/ManaTTS-Persian-Speech-Dataset

搜集汇总

数据集介绍

构建方式

在自然语言处理领域，尤其是语音合成技术中，高质量的数据集至关重要。ManaTTS数据集便是基于此理念构建而成，其汇聚了超过100小时的高品质音频，来源于伊朗盲人社区杂志《Nasl-e-Mana》。该数据集的构建采用了Tacotron2架构，旨在生成自然且高质量的波斯语语音。

特点

ManaTTS数据集的特点在于其规模宏大，是目前公开可获取的最大单扬声器波斯语音频语料库。此外，该数据集遵循Creative Commons CC-0协议，确保了数据的开放性和无限制的使用及分发，极大促进了语音合成领域的研究与应用。数据集的音频采样率为44.1 kHz，保证了音频的清晰度和质量。

使用方法

使用ManaTTS数据集的方法简便，提供了训练好的模型权重，存储于Hugging Face。用户可通过提供的推理笔记本来从文本生成语音。此外，数据集的输出样本及基准模型生成的样本均可在GitHub的相关目录中找到，便于研究人员和开发者进行对比和评估。

背景与挑战

背景概述

ManaTTS数据集，作为迄今为止公开可获取的最大的单扬声器波斯语语音库，其创建旨在推动波斯语语音合成技术的发展。该数据集由Mahta Fetrat及其团队开发，汇集了超过100小时的高质量音频，源自伊朗盲人社区月刊《Nasl-e-Mana》。基于Tacotron2架构构建的 ManaTTS，致力于生成自然且高质量的波斯语语音，对促进低资源语言语音合成研究领域的发展具有重要影响力。

当前挑战

在数据集构建方面， ManaTTS面临了两大挑战：一是确保音频数据的多样性和高质量，这对于语音合成模型的训练至关重要；二是遵守伦理使用准则，避免数据被用于语音模仿、身份盗窃或欺诈活动。在研究领域问题方面， ManaTTS解决了低资源语言中缺乏高质量语音数据集的问题，这对于发展波斯语文本到语音的转换技术是一个重大挑战。

常用场景

经典使用场景

在语音合成领域，ManaTTS数据集作为波斯语种的文本转语音（TTS）模型的训练基础，其经典的使用场景在于构建能够生成自然、高质量波斯语语音的系统。该数据集支持的研究人员能够利用其丰富的音频资源，通过Tacotron2架构，训练出符合特定语言特性的TTS模型。

实际应用

实际应用中， ManaTTS数据集及其衍生的TTS模型可用于开发高质量的屏幕阅读器和其他辅助技术，以服务于伊朗视障人士社区。这些技术的应用能够极大提升视障人士的生活质量，促进信息无障碍的社会环境建设。

衍生相关工作

基于ManaTTS数据集，已经衍生出多项相关工作，包括但不限于进一步的模型优化、跨语种语音合成技术的探索，以及针对不同语言特点的TTS模型研发。这些工作不仅推动了语音合成技术的进步，也为多语言信息处理和交流提供了新的视角和工具。