CSS10 语音数据集

CSS10 是一个拥有十种语言的单扬声器语音的数据集。数据集包含 LibriVox 有声读物的简短音频剪辑及其校准文本。研究人员根据语音数据集还训练了两个由文本生成语音的神经模型，以验证语音数据集质量。数据集未来可用于演讲任务。

CSS10 is a single-speaker speech dataset spanning ten languages. It comprises short audio clips sourced from LibriVox audiobooks, paired with their aligned transcriptions. Researchers also trained two text-to-speech neural models using this dataset to validate the quality of the speech corpus. This dataset can be applied to speech-related tasks in future research work.

搜集汇总

背景与挑战

背景概述

CSS10 语音数据集包含十种语言的单扬声器语音，源自 LibriVox 有声读物的音频剪辑及其校准文本。该数据集可用于语音分类任务，并已用于训练文本生成语音的神经模型以验证其质量。