gemini-2.5-pro-tts-voice-profiles

Gemini 2.5 Pro TTS Voice Profiles 是一个高质量语音数据集，包含28,946个语音样本，由21种不同的语音身份生成。每个样本都标注了59种情感/质量分数（Empathic Insight Voice Plus）、BUD-E Whisper音频描述和单词级时间戳。数据集支持四种语言（德语、英语、西班牙语、法语）和多种口音，音频格式为未压缩的PCM，采样率为24,000 Hz，位深度为16位。数据集还包括预构建的FAISS相似性索引，用于基于情感特征和音频特性的语义搜索。适用于文本到语音、音频分类等任务，特别适合需要情感丰富、多样化的语音样本的研究和应用。