Humaneness-Voice-Large-1.3-Alpha-Listening

Humaneness Voice Large 1.3 Alpha 是一个面向文本到语音（text-to-speech）的聆听演示/评测数据集，主题为匹配聆听与虚构情绪掩蔽（matched listening and fictional emotion masking）。其许可证为 CC BY 4.0，语言覆盖英语、德语、荷兰语、法语和西班牙语，任务类别为 text-to-speech，标签包括 synthetic、listening-demo、expressive-tts、emotion-masking。README 说明该页面提供 final-SFT-step 的新预测：270 个新的 final-SFT-step 预测，并出现 9,799 predictions 这一规模数字；文本还说明有 70 条与先前 1.2 演示案例完全匹配的预测，以及 200 条新的 masked-acting/control 预测。该数据集不是 RL 模型或 RL 评估；下一步 33% CE/33% top2-emotion/34% genuineness 的 RL 配方尚为草稿，等待聆听评审和新的 smoke。每个新条件使用一个固定随机种子，不是 best-of-N 或按持续时间挑选的版本；保留实际时长，不裁剪或时间拉伸。匹配 1.2/1.3 的输入包括字面文本、导演提示、请求的帧预算、实际基线种子以及相同的独立 12 秒参考编码。掩蔽被定义为虚构表演：隐藏的感受与外在表演之间的对比。单独的 cue-removal 控制移除显式情绪指令，而非词语或时间；维持的掩蔽和短暂掩蔽中断被显式标注。不应将虚构潜台词解释为测量到的私人心理状态。数据文件方面，audio/ 包含可单独流式播放的 128 kbps 单声道 MP3；predictions.tar 打包相同 MP3、每 80 ms 帧的全部 12 个 MOSS-v2 索引以及完整的逐输出 JSON；predictions.json/TASKS.json 保留精确提示、种子和模型来源；任务/来源合约和本地导出证明随运行保留。未更改的 1.2 音频和五个公共合成 Gemini 参考录音保留在 laion/Humaneness-Voice-Large-1.2-Alpha-Demo-Audio；references.json 与 references.npz 保留其来源和精确编解码数组；本研究不重新发布人类参考音频。新撰写的场景、预测和代码采用 CC BY 4.0，LAION contributors，2026；源参考归属保留在 laion/german-english-voice-acting-challenges，使用时需尊重同意和上游条款。README 强调，仅凭该聆听页面不能确立 CE、情绪、真实性或说话人相似度的改进；当前汇总值只覆盖时长和运行时。数据集适合用于表达性 TTS、情绪掩蔽/对照听感评估以及相关合成语音预测的检查。