VCTK (CSTR VCTK Corpus)

这个 CSTR VCTK 语料库包含 110 位不同口音的英语使用者发出的语音数据。每位演讲者读出大约 400 个句子，这些句子选自报纸、彩虹段落和用于演讲口音档案的启发段落。经 Herald & Times Group 许可，报纸上的文字取自 Herald Glasgow。每个演讲者都有一组不同的报纸文本，这些文本是根据增加上下文和语音覆盖率的贪心算法选择的。文本选择算法的详细信息在以下论文中进行了描述：C. Veaux、J. Yamagishi 和 S. King，“语音库语料库：大型区域口音语音数据库的设计、收集和数据分析”，https：/ /doi.org/10.1109/ICSDA.2013.6709856。所有演讲者的彩虹段落和启发段落都是相同的。彩虹段落可以在英语档案的国际方言中找到：（http://web.ku.edu/~idea/readings/rainbow.htm）。启发段落与用于语音口音档案 (http://accent.gmu.edu) 的段落相同。可以在 http://www.ualberta.ca/~aacl2009/PDFs/WeinbergerKunath2009AACL.pdf 找到语音口音档案的详细信息。所有语音数据均使用相同的录音设置进行录音：全向麦克风 (DPA 4035) 和带宽非常宽的小型振膜电容麦克风 (Sennheiser MKH 800)，采样频率为 96kHz，24 位，半消声室为爱丁堡大学。 （但是，两个扬声器 p280 和 p315 在使用 MKH 800 进行录音时存在技术问题）。所有录音都转换为 16 位，下采样到 48 kHz，并手动结束。