yangwang825/vox2-veri-3s

VoxCeleb2数据集包含了来自YouTube视频的6,112位名人的超过100万条语音片段。数据集分为训练集、验证集和测试集，分别包含5,994、5,994和118位说话者，以及982,808、109,201和36,237个样本。数据字段包括样本ID、持续时间、波形文件路径、开始和停止索引以及说话者ID。

原始信息汇总

VoxCeleb 2 数据集概述

数据集基本信息

• 包含内容: 超过100万条语音样本，涉及6,112位名人。
• 数据来源: 从YouTube上传的视频中提取。

数据划分

	训练集	验证集	测试集
说话人数	5,994	5,994	118
样本数	982,808	109,201	36,237

数据字段

• ID (字符串): 样本ID，格式为<spk_id--utt_id_start_stop>。
• duration (浮点数): 语音片段的时长，单位为秒。
• wav (字符串): 波形文件的路径。
• start (整数): 片段的起始索引，等于起始秒数乘以采样率。
• stop (整数): 片段的结束索引，等于结束秒数乘以采样率。
• spk_id (字符串): 说话人的ID。

示例

json { ID: id09056--00112_0_89088, duration: 5.568, wav: id09056/U2mRgZ1tW04/00112.wav, start: 0, stop: 89088, spk_id: id09056 }

搜集汇总

背景与挑战

背景概述

该数据集是VoxCeleb2的子集，包含230万条3秒音频片段，用于说话人验证任务。数据包含音频路径、时长、起止时间和说话人ID等字段，并已划分为训练/验证/测试集。