ylacombe/parler-tts-mini-v1_speaker_similarity

该数据集包含多个与语音相关的特征，如原始文本、说话者ID、路径、章节ID、ID、信噪比（SNR）、C50、语音持续时间、语速、音素、STOI、SI-SDR、PESQ、性别、音高标准差、音高均值、音高、噪声、混响、语音单调性、噪声SDR、语音质量PESQ、口音、文本描述、音频、文本、生成音频和相似度等。数据集分为训练集，包含340个样本，总大小为447647788字节，下载大小为255207970字节。

This dataset contains multiple features related to speech, such as original text, speaker ID, path, chapter ID, ID, SNR, C50, speech duration, speaking rate, phonemes, STOI, SI-SDR, PESQ, gender, utterance pitch std, utterance pitch mean, pitch, noise, reverberation, speech monotony, noise SDR, speech quality PESQ, accent, text description, audio, text, generated audio, and similarity. The dataset is divided into a training set, containing 340 samples, with a total size of 447647788 bytes and a download size of 255207970 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• text_original: 字符串类型
• speaker_id: 字符串类型
• path: 字符串类型
• chapter_id: 字符串类型
• id: 字符串类型
• snr: 浮点数类型
• c50: 浮点数类型
• speech_duration: 浮点数类型
• speaking_rate: 字符串类型
• phonemes: 字符串类型
• stoi: 浮点数类型
• si-sdr: 浮点数类型
• pesq: 浮点数类型
• gender: 字符串类型
• utterance_pitch_std: 浮点数类型
• utterance_pitch_mean: 浮点数类型
• pitch: 字符串类型
• noise: 字符串类型
• reverberation: 字符串类型
• speech_monotony: 字符串类型
• sdr_noise: 字符串类型
• pesq_speech_quality: 字符串类型
• accent: 字符串类型
• text_description: 字符串类型
• audio: 音频类型，采样率为16000
• text: 字符串类型
• generated_audio: 音频类型，采样率为16000
• similarity: 浮点数类型

数据集划分

• train: 包含340个样本，占用447647788.0字节

数据集大小

• 下载大小: 255207970字节
• 数据集大小: 447647788.0字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*