GrigoriiA/libretta-tts-merged-dataset-tags

---
dataset_info:
features:
- name: file_name
dtype: string
- name: text
dtype: string
- name: transcription_normalised
dtype: string
- name: utterance_pitch_mean
dtype: float32
- name: utterance_pitch_std
dtype: float32
- name: snr
dtype: float64
- name: c50
dtype: float64
- name: speaking_rate
dtype: string
- name: phonemes
dtype: string
- name: noise
dtype: string
- name: reverberation
dtype: string
- name: speech_monotony
dtype: string
- name: text_description
dtype: string
- name: gender
dtype: string
splits:
- name: train
num_bytes: 5097455
num_examples: 7596
download_size: 2135276
dataset_size: 5097455
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

The dataset includes various speech-related features such as file name, text, normalized transcription, pitch statistics, signal-to-noise ratio, C50, speaking rate, phoneme analysis, noise, reverberation, speech monotony, text description, and speaker gender. It is primarily intended for training models, containing 7596 samples, with a download size of 2135276 bytes and an actual size of 5097455 bytes.

原始信息汇总

数据集概述

数据集特征

• file_name：文件名，数据类型为字符串。
• text：文本内容，数据类型为字符串。
• transcription_normalised：规范化转录文本，数据类型为字符串。
• utterance_pitch_mean：语音平均音高，数据类型为浮点数32位。
• utterance_pitch_std：语音音高标准差，数据类型为浮点数32位。
• snr：信噪比，数据类型为浮点数64位。
• c50：C50指标，数据类型为浮点数64位。
• speaking_rate：说话速率，数据类型为字符串。
• phonemes：音素，数据类型为字符串。
• noise：噪声类型，数据类型为字符串。
• reverberation：混响类型，数据类型为字符串。
• speech_monotony：语音单调性，数据类型为字符串。
• text_description：文本描述，数据类型为字符串。
• gender：说话人性别，数据类型为字符串。

数据集分割

• 训练集：包含7596个样本，总大小为5097455字节。

数据集大小

• 下载大小：2135276字节。
• 数据集总大小：5097455字节。

配置

• 默认配置：数据文件路径为data/train-*，对应于训练集。