thai-tts-dataset

该数据集是一个高质量的泰语语音数据集，专为泰语文本到语音（TTS）模型的微调而设计。数据集内容来源于YouTube播客，包含4,621个语音片段（训练集4,390个，验证集231个）。音频格式为WAV，采样率22050Hz，单声道，16位。每个样本包含三个字段：音频文件、对应的泰语文本（使用Whisper large-v3模型转录，置信度≥0.7）和文件名。数据集采用与LJSpeech兼容的格式，适用于泰语语音合成研究、TTS模型（如VITS、F5-TTS、XTTS v2）的微调以及泰语自动语音识别（ASR）评估。数据通过自动化流程处理，包括YouTube音频下载、格式转换、语音活动检测、语音转录和质量控制等步骤。数据集仅限研究和个人使用，内容版权归原始YouTube频道所有。