voice-acting-pipeline-output

Voice Acting Pipeline Output 是一个合成的情感语音数据集，专为零样本语音和情感克隆模型训练而设计。该数据集通过自动化多GPU数据生成系统（Voice Acting Pipeline）产生，能够控制情感TTS训练数据，并分离说话人身份和情感韵律。每个样本包含6个音频生成（3个情感句子和3个中性句子），由同一说话人朗读，并通过Empathic Insight Voice+在59个感知维度（55个情感/属性维度 + 4个质量维度）上进行评分。数据集覆盖38个情感维度和144个强度桶组合，总计8,640个WAV文件。数据格式为WebDataset .tar文件，包含音频文件、元数据和评分。适用于文本到语音（TTS）、语音转换和情感识别等任务。