Hi-Fi Multi-Speaker English TTS Dataset

Hi-Fi 多说话人英语 TTS 数据集（Hi-Fi TTS）是用于训练文本转语音模型的多说话人英语数据集。该数据集基于 LibriVox 的公共有声读物和古腾堡计划的文本。
Hi-Fi TTS 数据集包含 10 位说话者约 291.6 小时的语音，其中每个说话者至少 17 小时，以 44.1 kHz 采样。

The Hi-Fi multi-speaker English TTS dataset (Hi-Fi TTS) is a multi-speaker English corpus designed for training text-to-speech models. This dataset is sourced from public audiobooks provided by LibriVox and literary texts from Project Gutenberg. The Hi-Fi TTS dataset contains approximately 291.6 hours of speech across 10 speakers, with each speaker contributing at least 17 hours of audio sampled at 44.1 kHz.

搜集汇总

背景与挑战

背景概述

Hi-Fi Multi-Speaker English TTS Dataset是一个用于训练文本转语音模型的多说话人英语数据集，基于LibriVox有声读物和古腾堡计划文本构建。它包含10位说话者约291.6小时的语音，每位说话者至少17小时，采样率为44.1 kHz，于2021年由英伟达发布。