Deeply Vocal Characterizer Dataset

该数据集是较大的语料库 (Vocal Characterizer数据集) 的样本。后者是人类非语言声音的数据集，由来自1419扬声器的56.7小时短视频组成，由韩国公众众包。此外，数据集还包括诸如年龄，性别，噪声水平和语音质量之类的元数据。包含16类人类非语言音，包括「牙齿颤动」、「牙齿磨牙」、「舌头咔嚓」、「鼻涕」、「咳嗽」、「打哈欠」、「清嗓子」、「叹息」、「大笑」、「拍打嘴唇」、 “喘气” 、 “哭” 、 “笑” 、 “打喷嚏” 、 “呻吟” 、 “尖叫”。

This dataset is a subset of the larger Vocal Characterizer Corpus, a dataset of human non-verbal sounds. The corpus consists of 56.7 hours of short videos from 1419 speakers, which was crowdsourced by the South Korean public. Additionally, the corpus includes metadata such as age, gender, noise level, and speech quality. It covers 16 categories of human non-verbal sounds, including tooth chatter, teeth grinding, tongue click, nasal sniffling, cough, yawn, throat clearing, sigh, loud laughter, lip smacking, panting, crying, laughter, sneeze, groan, and scream.

搜集汇总

背景与挑战

背景概述

该数据集是一个大型人声特征语料库的样本，包含16类人类非语言声音，如咳嗽、大笑和尖叫，源自1419名扬声器的56.7小时短视频，并附有年龄、性别等元数据。