CanCLID/zoengjyutgaai

张悦楷讲古语音数据集是一个包含张悦楷讲述《三国演义》、《水浒传》和《走进毛泽东的最后岁月》的语音数据集。张悦楷是广州最著名的讲古佬/粤语说书艺人，他的声音是许多广州人的共同回忆。这个数据集可用于TTS（语音合成）训练集、ASR（语音识别）训练或评估集、各种语言文学研究，也可以直接聆听欣赏艺术。This is a speech dataset of Zoeng Jyut Gaai story-telling _Romance of the Three Kingdoms_, _Water Margin_ and _The Final Days of Mao Zedong_. [Zoeng Jyut Gaai](https://zh.wikipedia.org/wiki/%E5%BC%A0%E6%82%A6%E6%A5%B7) is a famous actor, stand-up commedian and story-teller (講古佬) in 20th century Canton. His voice remains in the memories of thousands of Cantonese people. This dataset is built from three of his most well-known story-telling pieces and can be used for TTS (Text-To-Speech) training set, ASR (Automatic Speech Recognition) training or eval set, various linguistics / art analysis, or just listening and enjoying the art piece.

搜集汇总

背景与挑战

背景概述

该数据集是一个粤语语音数据集，由张悦楷的经典说书作品（如《三国演义》）的音频和对应转录文本组成，主要用于自动语音识别（ASR）和文本到语音（TTS）等语音处理任务。数据集规模约为11.7万行，采用CC0开源许可证，并提供了规范的粤语文本转录和音频切分，便于研究和应用。