Codec-SUPERB/beijing_opera_synth

---
configs:
- config_name: default
data_files:
- split: original
path: data/original-*
- split: academicodec_hifi_16k_320d
path: data/academicodec_hifi_16k_320d-*
- split: academicodec_hifi_16k_320d_large_uni
path: data/academicodec_hifi_16k_320d_large_uni-*
- split: academicodec_hifi_24k_320d
path: data/academicodec_hifi_24k_320d-*
- split: audiodec_24k_320d
path: data/audiodec_24k_320d-*
- split: dac_16k
path: data/dac_16k-*
- split: dac_24k
path: data/dac_24k-*
- split: dac_44k
path: data/dac_44k-*
- split: encodec_24k_12bps
path: data/encodec_24k_12bps-*
- split: encodec_24k_1_5bps
path: data/encodec_24k_1_5bps-*
- split: encodec_24k_24bps
path: data/encodec_24k_24bps-*
- split: encodec_24k_3bps
path: data/encodec_24k_3bps-*
- split: encodec_24k_6bps
path: data/encodec_24k_6bps-*
- split: funcodec_en_libritts_16k_gr1nq32ds320
path: data/funcodec_en_libritts_16k_gr1nq32ds320-*
- split: funcodec_en_libritts_16k_gr8nq32ds320
path: data/funcodec_en_libritts_16k_gr8nq32ds320-*
- split: funcodec_en_libritts_16k_nq32ds320
path: data/funcodec_en_libritts_16k_nq32ds320-*
- split: funcodec_en_libritts_16k_nq32ds640
path: data/funcodec_en_libritts_16k_nq32ds640-*
- split: funcodec_zh_en_16k_nq32ds320
path: data/funcodec_zh_en_16k_nq32ds320-*
- split: funcodec_zh_en_16k_nq32ds640
path: data/funcodec_zh_en_16k_nq32ds640-*
- split: speech_tokenizer_16k
path: data/speech_tokenizer_16k-*
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 48000
- name: id
dtype: string
splits:
- name: original
num_bytes: 108086982.0
num_examples: 236
- name: academicodec_hifi_16k_320d
num_bytes: 35965586.0
num_examples: 236
- name: academicodec_hifi_16k_320d_large_uni
num_bytes: 35965586.0
num_examples: 236
- name: academicodec_hifi_24k_320d
num_bytes: 53939346.0
num_examples: 236
- name: audiodec_24k_320d
num_bytes: 54109296.0
num_examples: 236
- name: dac_16k
num_bytes: 36041106.0
num_examples: 236
- name: dac_24k
num_bytes: 54052626.0
num_examples: 236
- name: dac_44k
num_bytes: 99306570.0
num_examples: 236
- name: encodec_24k_12bps
num_bytes: 54052626.0
num_examples: 236
- name: encodec_24k_1_5bps
num_bytes: 54052626.0
num_examples: 236
- name: encodec_24k_24bps
num_bytes: 54052626.0
num_examples: 236
- name: encodec_24k_3bps
num_bytes: 54052626.0
num_examples: 236
- name: encodec_24k_6bps
num_bytes: 54052626.0
num_examples: 236
- name: funcodec_en_libritts_16k_gr1nq32ds320
num_bytes: 36041106.0
num_examples: 236
- name: funcodec_en_libritts_16k_gr8nq32ds320
num_bytes: 36041106.0
num_examples: 236
- name: funcodec_en_libritts_16k_nq32ds320
num_bytes: 36041106.0
num_examples: 236
- name: funcodec_en_libritts_16k_nq32ds640
num_bytes: 36041106.0
num_examples: 236
- name: funcodec_zh_en_16k_nq32ds320
num_bytes: 36041106.0
num_examples: 236
- name: funcodec_zh_en_16k_nq32ds640
num_bytes: 36041106.0
num_examples: 236
- name: speech_tokenizer_16k
num_bytes: 36116626.0
num_examples: 236
download_size: 484042689
dataset_size: 1000093490.0
---
# Dataset Card for "beijing_opera_synth"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

配置项：
- 配置名称：default
数据文件：
- 拆分名称：original
路径：data/original-*
- 拆分名称：academicodec_hifi_16k_320d
路径：data/academicodec_hifi_16k_320d-*
- 拆分名称：academicodec_hifi_16k_320d_large_uni
路径：data/academicodec_hifi_16k_320d_large_uni-*
- 拆分名称：academicodec_hifi_24k_320d
路径：data/academicodec_hifi_24k_320d-*
- 拆分名称：audiodec_24k_320d
路径：data/audiodec_24k_320d-*
- 拆分名称：dac_16k
路径：data/dac_16k-*
- 拆分名称：dac_24k
路径：data/dac_24k-*
- 拆分名称：dac_44k
路径：data/dac_44k-*
- 拆分名称：encodec_24k_12bps
路径：data/encodec_24k_12bps-*
- 拆分名称：encodec_24k_1_5bps
路径：data/encodec_24k_1_5bps-*
- 拆分名称：encodec_24k_24bps
路径：data/encodec_24k_24bps-*
- 拆分名称：encodec_24k_3bps
路径：data/encodec_24k_3bps-*
- 拆分名称：encodec_24k_6bps
路径：data/encodec_24k_6bps-*
- 拆分名称：funcodec_en_libritts_16k_gr1nq32ds320
路径：data/funcodec_en_libritts_16k_gr1nq32ds320-*
- 拆分名称：funcodec_en_libritts_16k_gr8nq32ds320
路径：data/funcodec_en_libritts_16k_gr8nq32ds320-*
- 拆分名称：funcodec_en_libritts_16k_nq32ds320
路径：data/funcodec_en_libritts_16k_nq32ds320-*
- 拆分名称：funcodec_en_libritts_16k_nq32ds640
路径：data/funcodec_en_libritts_16k_nq32ds640-*
- 拆分名称：funcodec_zh_en_16k_nq32ds320
路径：data/funcodec_zh_en_16k_nq32ds320-*
- 拆分名称：funcodec_zh_en_16k_nq32ds640
路径：data/funcodec_zh_en_16k_nq32ds640-*
- 拆分名称：speech_tokenizer_16k
路径：data/speech_tokenizer_16k-*
数据集信息：
特征：
- 名称：音频（audio）
数据类型：
音频：
采样率：48000Hz
- 名称：样本ID（id）
数据类型：字符串
数据集拆分：
- 名称：original
字节数：108086982.0
样本数量：236
- 名称：academicodec_hifi_16k_320d
字节数：35965586.0
样本数量：236
- 名称：academicodec_hifi_16k_320d_large_uni
字节数：35965586.0
样本数量：236
- 名称：academicodec_hifi_24k_320d
字节数：53939346.0
样本数量：236
- 名称：audiodec_24k_320d
字节数：54109296.0
样本数量：236
- 名称：dac_16k
字节数：36041106.0
样本数量：236
- 名称：dac_24k
字节数：54052626.0
样本数量：236
- 名称：dac_44k
字节数：99306570.0
样本数量：236
- 名称：encodec_24k_12bps
字节数：54052626.0
样本数量：236
- 名称：encodec_24k_1_5bps
字节数：54052626.0
样本数量：236
- 名称：encodec_24k_24bps
字节数：54052626.0
样本数量：236
- 名称：encodec_24k_3bps
字节数：54052626.0
样本数量：236
- 名称：encodec_24k_6bps
字节数：54052626.0
样本数量：236
- 名称：funcodec_en_libritts_16k_gr1nq32ds320
字节数：36041106.0
样本数量：236
- 名称：funcodec_en_libritts_16k_gr8nq32ds320
字节数：36041106.0
样本数量：236
- 名称：funcodec_en_libritts_16k_nq32ds320
字节数：36041106.0
样本数量：236
- 名称：funcodec_en_libritts_16k_nq32ds640
字节数：36041106.0
样本数量：236
- 名称：funcodec_zh_en_16k_nq32ds320
字节数：36041106.0
样本数量：236
- 名称：funcodec_zh_en_16k_nq32ds640
字节数：36041106.0
样本数量：236
- 名称：speech_tokenizer_16k
字节数：36116626.0
样本数量：236
下载大小：484042689
数据集总大小：1000093490.0
---
# 「beijing_opera_synth」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集配置

• 默认配置：
  • 数据文件：
    • original：路径为 data/original-*
    • academicodec_hifi_16k_320d：路径为 data/academicodec_hifi_16k_320d-*
    • academicodec_hifi_16k_320d_large_uni：路径为 data/academicodec_hifi_16k_320d_large_uni-*
    • academicodec_hifi_24k_320d：路径为 data/academicodec_hifi_24k_320d-*
    • audiodec_24k_320d：路径为 data/audiodec_24k_320d-*
    • dac_16k：路径为 data/dac_16k-*
    • dac_24k：路径为 data/dac_24k-*
    • dac_44k：路径为 data/dac_44k-*
    • encodec_24k_12bps：路径为 data/encodec_24k_12bps-*
    • encodec_24k_1_5bps：路径为 data/encodec_24k_1_5bps-*
    • encodec_24k_24bps：路径为 data/encodec_24k_24bps-*
    • encodec_24k_3bps：路径为 data/encodec_24k_3bps-*
    • encodec_24k_6bps：路径为 data/encodec_24k_6bps-*
    • funcodec_en_libritts_16k_gr1nq32ds320：路径为 data/funcodec_en_libritts_16k_gr1nq32ds320-*
    • funcodec_en_libritts_16k_gr8nq32ds320：路径为 data/funcodec_en_libritts_16k_gr8nq32ds320-*
    • funcodec_en_libritts_16k_nq32ds320：路径为 data/funcodec_en_libritts_16k_nq32ds320-*
    • funcodec_en_libritts_16k_nq32ds640：路径为 data/funcodec_en_libritts_16k_nq32ds640-*
    • funcodec_zh_en_16k_nq32ds320：路径为 data/funcodec_zh_en_16k_nq32ds320-*
    • funcodec_zh_en_16k_nq32ds640：路径为 data/funcodec_zh_en_16k_nq32ds640-*
    • speech_tokenizer_16k：路径为 data/speech_tokenizer_16k-*

数据集信息

• 特征：

  • audio：采样率为 48000
  • id：字符串类型

• 分割：

  • original：字节数为 108086982.0，示例数为 236
  • academicodec_hifi_16k_320d：字节数为 35965586.0，示例数为 236
  • academicodec_hifi_16k_320d_large_uni：字节数为 35965586.0，示例数为 236
  • academicodec_hifi_24k_320d：字节数为 53939346.0，示例数为 236
  • audiodec_24k_320d：字节数为 54109296.0，示例数为 236
  • dac_16k：字节数为 36041106.0，示例数为 236
  • dac_24k：字节数为 54052626.0，示例数为 236
  • dac_44k：字节数为 99306570.0，示例数为 236
  • encodec_24k_12bps：字节数为 54052626.0，示例数为 236
  • encodec_24k_1_5bps：字节数为 54052626.0，示例数为 236
  • encodec_24k_24bps：字节数为 54052626.0，示例数为 236
  • encodec_24k_3bps：字节数为 54052626.0，示例数为 236
  • encodec_24k_6bps：字节数为 54052626.0，示例数为 236
  • funcodec_en_libritts_16k_gr1nq32ds320：字节数为 36041106.0，示例数为 236
  • funcodec_en_libritts_16k_gr8nq32ds320：字节数为 36041106.0，示例数为 236
  • funcodec_en_libritts_16k_nq32ds320：字节数为 36041106.0，示例数为 236
  • funcodec_en_libritts_16k_nq32ds640：字节数为 36041106.0，示例数为 236
  • funcodec_zh_en_16k_nq32ds320：字节数为 36041106.0，示例数为 236
  • funcodec_zh_en_16k_nq32ds640：字节数为 36041106.0，示例数为 236
  • speech_tokenizer_16k：字节数为 36116626.0，示例数为 236

• 数据集大小：

  • 下载大小：484042689 字节
  • 数据集大小：1000093490.0 字节

搜集汇总

数据集介绍

构建方式

Codec-SUPERB/beijing_opera_synth数据集的构建，采取了多种音频编码技术的处理，包含了原始音频及其经过不同编码器处理后的变体。该数据集的音频采样率为48000赫兹，涵盖了从原始音频到各种压缩格式的转换，旨在为声音合成和编码算法提供实验基础。

特点

该数据集的特点在于其多样性，不仅包含了未经处理的原始音频，还包含了通过不同编码器处理后的音频版本，如academicodec、audiodec、encodec和funcodec等。这些音频版本在压缩率和音质上各有千秋，为研究不同编码技术对音频质量的影响提供了丰富的素材。

使用方法

使用该数据集时，研究者可根据具体需求选择不同split的音频文件，例如original、academicodec_hifi_16k_320d等。每个split均包含了236个音频样本，且每个样本均有唯一的id标识。数据集的下载和加载可通过HuggingFace的datasets库实现，方便快捷。

背景与挑战

背景概述

Codec-SUPERB/beijing_opera_synth数据集，是在音频信号处理领域的一项重要研究成果，旨在推动北京歌剧合成语音的研究与应用。该数据集由多个研究机构和学者共同开发，于近年来问世。其核心研究问题是提高北京歌剧语音合成的质量，为相关领域的研究提供了宝贵的资源，对于推动中文语音合成技术的发展具有显著影响。

当前挑战

该数据集在构建过程中面临的挑战主要包括：多样化的语音编码格式对数据的一致性和可比性提出了挑战；高采样率音频数据的存储和处理需要更高的计算资源；此外，数据集在涵盖不同北京歌剧唱段的同时，还需保证语音样本的质量和多样性。在研究领域问题方面，数据集需解决如何准确捕捉北京歌剧语音特有的韵律和情感，以及如何在高压缩率下保持语音的自然度和理解度等难题。

常用场景

经典使用场景

在音频处理与合成领域，Codec-SUPERB/beijing_opera_synth数据集被广泛应用于北京 opera 音频的合成与风格模仿。该数据集提供了多种采样率与编码方式的音频文件，为研究人员提供了一个丰富的资源库，以探索音频编码与合成技术。

解决学术问题

该数据集解决了音频合成中的音质保持与风格再现问题，为学术研究提供了高质量的音频样本，有助于提升音频编码器的性能评估，促进音频合成技术的发展。

衍生相关工作

基于此数据集，研究者们已经衍生出一系列相关工作，包括音频编码算法的优化、音乐风格转换技术的探索以及跨语种音频合成的实现，进一步拓宽了音频处理领域的研究范围。