VoxCeleb

VoxCeleb是由牛津大学视觉几何组创建的大规模文本无关说话人识别数据集，包含超过100,000条来自1,251位名人的真实世界语音数据。数据集通过自动化流程从YouTube视频中提取，涉及视频下载、面部跟踪、主动说话人验证和面部验证等步骤。该数据集旨在为说话人识别技术提供大规模、多样化的训练和测试资源，适用于高安全性系统认证、法医测试等多个领域。