cdminix/libritts-aligned

LibriTTS Corpus with Forced Alignments数据集是一个用于自动语音识别（ASR）和文本到语音（TTS）任务的语音数据集。它包含音频文件、对应的文本、音素及其持续时间等信息。数据集提供了预处理的对齐信息，用户无需本地运行Montreal Forced Aligner。数据集还附带了一个数据整理器（data collator），用于创建训练批次数据。数据集分为多个子集，如train、dev、test等，分别对应LibriSpeech的不同子集。

原始信息汇总

数据集概述

名称: LibriTTS Corpus with Forced Alignments

描述: 该数据集包含语音数据的强制对齐信息，适用于自动语音识别（ASR）和文本到语音（TTS）任务。

数据集详细信息

语言: 英语（en）

标签:

• 语音（speech）
• 音频（audio）
• 自动语音识别（automatic-speech-recognition）
• 文本到语音（text-to-speech）

许可证: CC-BY-4.0

任务类别:

• 自动语音识别
• 文本到语音

数据集内容:

• 每个数据项包含音频文件的ID、说话者信息、文本内容、开始和结束时间、音素及其持续时间、音频文件路径。
• 音素使用国际音标（IPA）表示，音素持续时间以帧为单位。

数据集分割:

• train: 除每个说话者的一个样本用于验证外的所有训练数据。
• dev: 每个说话者的一个样本用于验证。
• train.clean.100, train.clean.360, train.other.500: 分别从LibriSpeech的不同子集中提取的训练数据。
• dev.clean, dev.other: 分别从LibriSpeech的不同子集中提取的验证数据。
• test.clean, test.other: 分别从LibriSpeech的不同子集中提取的测试数据。

环境变量:

• LIBRITTS_VERBOSE: 控制数据集创建过程的信息输出。
• LIBRITTS_MAX_WORKERS: 设置创建对齐时的最大工作线程数。
• LIBRITTS_PATH: 设置LibriTTS数据的下载路径。

使用要求

软件依赖:

• pip install alignments phones (必需)
• pip install speech-collator (可选)

数据整理器:

• 提供了一个数据整理器，用于创建训练数据批次。
• 可通过pip install speech-collator安装，支持自定义的speaker2idx和phone2idx映射。

引用信息

引用文献:

• LibriTTS: A Corpus Derived from LibriSpeech for Text-to-Speech
• Montreal Forced Aligner: Trainable text-speech alignment using Kaldi
• Evaluating and reducing the distance between synthetic and real speech distributions

搜集汇总

背景与挑战

背景概述

libritts-aligned是一个基于LibriTTS的英文语音数据集，包含音频文件及其音素级强制对齐信息，适用于自动语音识别和文本转语音任务。数据集提供详细的音素标注和时长信息，并包含多个标准分割子集，需安装特定依赖库后方可使用。