LJ Speech Dataset 语音数据集

这是一个公共领域语音数据集，包含 13,100 个简短的音频片段，其中单个说话者朗读 7 本非小说类书籍中的段落。每个片段都提供转录。片段的长度从 1 秒到 10 秒不等，总长度约为 24 小时。

This is a public-domain speech dataset consisting of 13,100 short audio clips. A single speaker reads passages from seven non-fiction books for all the clips, and complete transcripts are provided for every clip. Each clip has a duration ranging from 1 second to 10 seconds, and the total cumulative runtime of the entire dataset is approximately 24 hours.

搜集汇总

背景与挑战

背景概述

LJ Speech Dataset 是一个公共领域语音数据集，包含13,100个短音频片段，由单个说话者朗读7本非小说类书籍的段落，每个片段都提供转录，总时长约24小时。文本和音频均属于公共领域，适用于音频分类等任务。