LJSpeech

该数据集名为LJSpeech，包含了13,100对文本和语音数据，总时长约24小时的语音音频。数据集被划分为12,900个样本用于训练，100个用于验证，另外100个用于测试。音频数据被处理成梅尔频谱图，其帧大小为1024，帧移为256，采样率为22,050。该数据集的规模为13,100个样本，适用于文本到语音（TTS）的任务。