cocoemo-repro-artifacts

CoCoEmo ICML 2026 reproduction artifacts 是一个用于存储 ICML 2026 Agent Reproducibility Challenge 中 CoCoEmo 论文独立复现的不可变输出的数据集。该数据集旨在支持可重复性研究，特别针对情感文本转语音（emotional TTS）任务。每个复现运行都保存在基于提交和配置派生的路径下，包含以下内容：仓库、模型、数据、评估器、硬件和工作来源的溯源信息；解析的配置和 SHA-256 清单；请求、生成和评估的样本计数；每个样本的指标和聚合自举区间；以及源许可允许重新分发的生成音频。数据集还包括一个 `COMPLETE.json` 标记文件，仅在所有必需工件上传后写入。复现代码和原始实现可通过提供的链接访问。许可方面，复现工具采用 MIT 许可，而源录音和生成音频保留其源数据集和模型许可的限制，无明确重新分发许可的文件仅通过哈希和聚合结果表示。完整性要求包括存在 `COMPLETE.json`、计数匹配、必需指标齐全以及 Git 工作树干净，以确保运行作为证据的有效性。CoCoEmo ICML 2026 reproduction artifacts is a dataset for storing immutable outputs of independent reproductions of the CoCoEmo paper in the ICML 2026 Agent Reproducibility Challenge. The dataset aims to support reproducibility research, specifically for the emotional text-to-speech (emotional TTS) task. Each reproduction run is saved under a path derived from the submission and configuration, containing: provenance information of the repository, model, data, evaluator, hardware, and work source; parsed configuration and SHA-256 manifest; counts of requested, generated, and evaluated samples; per-sample metrics and aggregate bootstrap intervals; and generated audio that can be redistributed under the source license. The dataset also includes a `COMPLETE.json` marker file, which is written only after all required artifacts are uploaded. Reproduction code and original implementation are accessible via provided links. In terms of licensing, the reproduction tools are under MIT license, while source recordings and generated audio retain the restrictions of their source dataset and model licenses; files without explicit redistribution licenses are represented only by hashes and aggregated results. Integrity requirements include the presence of `COMPLETE.json`, matching counts, complete required metrics, and a clean Git working tree to ensure the validity of the run as evidence.

原始信息汇总

CoCoEmo ICML 2026 可复现性成果数据集

概述

该数据集保存了用于独立复现 CoCoEmo（论文链接：https://arxiv.org/abs/2602.03420）的不可变输出结果，服务于 ICML 2026 Agent 可复现性挑战（挑战页面：https://huggingface.co/spaces/ICML-2026-agent-repro/challenge）。

数据内容

每次完成的任务存储在一个基于提交和配置派生的路径下，包含以下内容（若适用）：

• 仓库、模型、数据、评估器、硬件和任务的溯源信息
• 解析后的配置和 SHA-256 清单
• 请求、生成和评估的样本数量
• 每个样本的指标和聚合自助法置信区间
• 生成的音频（源许可证允许再分发的内容）
• 一个仅在所有必要工件上传完毕后写入的 COMPLETE.json 标记

复现代码与原始实现

• 复现代码仓库：https://github.com/Amal-David/icml-2026-cocoemo-repro
• 原始实现（固定版本）：https://github.com/wsssy/CoCoEmo/tree/dcc319148dd2e0e0f3039e06e81e0f770d108f08

许可协议

• 复现工具采用 MIT 许可证
• 原始录音和生成的音频保留其源数据集和模型许可证的约束
• 每次运行必须在溯源信息中记录这些许可证
• 无明确再分发许可的文件仅以哈希值和聚合结果表示，不上传

完整性要求

以下情况将导致运行结果不能作为声明证据：

• 缺少 COMPLETE.json
• 数量不匹配
• 缺少必要指标
• Git 工作目录存在未提交修改

搜集汇总

数据集介绍

构建方式

CoCoEmo-repro-artifacts数据集是为复现ICML 2026论文《CoCoEmo》中的情感语音合成与音频分类结果而构建的。每个复现运行均存储于由提交哈希与配置参数共同导出的唯一路径下，确保过程可追溯。数据集记录了仓库、模型、数据、评估器、硬件及作业的完整来源信息，包含解析后的配置文件和SHA-256清单。系统仅在所有必需工件成功上传后写入`COMPLETE.json`标记文件，以此标识运行完成的完整性。

特点

该数据集的最大特色在于其严格的复现可验证性与完整性保障机制。每个运行实例存储了请求、生成及评估的样本数量，以及按样本计算的评价指标与聚合自助法置信区间。对于许可允许再分发的音频，数据集直接存储生成结果；对于受限制的录音，则以哈希值与聚合统计替代。`COMPLETE.json`缺失、计数不匹配或指标遗漏均使运行不可作为证据，体现了数据管理的高标准。

使用方法

用户可访问HuggingFace数据集详情页浏览已存储的复现工件，或通过GitHub仓库[Amal-David/icml-2026-cocoemo-repro](https://github.com/Amal-David/icml-2026-cocoemo-repro)获取复现代码。检查特定运行是否有效需确认其路径下存在`COMPLETE.json`，并验证指标与样本计数的一致性。数据集支持直接用于情感语音合成与音频分类任务的复现校验，也可作为基准对新型情感TTS模型进行对比评估。

背景与挑战

背景概述

CoCoEmo-repro-artifacts数据集诞生于情感语音合成与可重复性研究交汇的前沿，由Amal-David等研究者为ICML 2026 Agent可重复性挑战赛创建，专注于复现CoCoEmo模型（arXiv:2602.03420）的实验结果。该数据集存储了完整的复现产物，包括模型、数据、评估器及硬件来源信息，以及解析后的配置、SHA-256清单、样本级指标和聚合置信区间等，旨在为情感语音合成领域的科学严谨性树立基准。作为首个系统记录情感文本转语音（TTS）复现过程的开源工件集，CoCoEmo-repro-artifacts不仅推动了可重复性评估的标准化，也为后续研究提供了可验证的参照系，对提升该领域实验透明度与结果可靠性具有里程碑意义。

当前挑战

该数据集面临的核心挑战在于构建过程中需确保复现结果的完整性、一致性与合规性。具体包括：1) 情感TTS领域的领域问题在于声学特征与情感表达的映射高度非线性和主观性，使得模型复现时难以严格对齐原始论文的语音质量与情感准确度；2) 构建过程中，需处理源录音与生成音频的版权限制，仅能上传允许再分发的音频文件，而受限文件仅以哈希值和聚合结果表示，导致部分样本无法直接核查；3) 每个运行批次必须记录完整的许可证来源，缺失COMPLETE.json、指标不匹配或代码仓库存在未提交修改均会使批次失效，极大增加了自动化复现管道的工程复杂度与校验成本。

常用场景

经典使用场景

CoCoEmo-repro-artifacts 数据集的核心价值在于为情感文本转语音（Emotional Text-to-Speech, Emotional TTS）领域提供可复现的实验基准。该数据集完整记录了 CoCoEmo 模型在独立复现挑战中的运行产物，包括模型配置、生成音频、评估指标及硬件环境等元数据。研究者可利用该数据集验证情感语音合成方法的稳定性与泛化能力，尤其适合对比不同情感标签条件下的语音生成质量、自然度与情感表达准确度。其系统化的 artifact 存储机制确保了实验链条的透明性与可审计性，为后续情感 TTS 研究提供了经得起独立检验的参照标准。

衍生相关工作

CoCoEmo-repro-artifacts 的出现催生了一系列围绕情感 TTS 可复现性与标准化评估的衍生工作。一方面，它激发了研究者开发更细粒度的情感语音评价指标，如基于自监督特征的听觉情感感知度量，以弥补传统 MOS 评分的主观偏差。另一方面，该数据集的工作流设计范式——即通过 git 提交锁定与 artifact 校验码实现实验溯源——已被后续多个 ICML 复现挑战项目所借鉴，形成了可复现研究的参考架构。此外，围绕该数据集的再分析也推动了关于情感标签粒度与语音表现力之间非线性关系的深入讨论，为新一代上下文感知情感 TTS 模型的设计提供了实证基础。

数据集最近研究

最新研究方向

以CoCoEmo数据集为核心的再现性制品研究，聚焦于情感文本转语音（Emotional TTS）领域的前沿方向，特别是通过ICML 2026 Agent可重复性挑战推动科学研究的透明与可信。该数据集不仅记录了完整的实验溯源信息（包括配置、模型、硬件及评价指标），还通过SHA-256哈希与COMPLETE.json标记确保结果的不可篡改性，与当前学界对AI实验可复现性的热点关切高度契合。其意义在于为情感语音合成的研究者提供了标准化、可验证的基准，有效促进了跨方法比较与理论验证，对构建开放、严谨的学术生态具有深远影响。