该数据集名为EmoV，包含了7000个语音发音，这些发音基于CMU北极数据库的转录文本，由多位母语者以多种表演情绪录制而成。这使得可以基于相同的转录文本创建发音对，但录制时带有不同的表演情绪。此外，该数据集被划分为训练集、验证集和测试集，比例分别为90%、5%和5%，确保了各集合之间发音的不重叠。该数据集的规模为78,324对，其任务是语音情感转换。

arXiv560

大规模转换语音数据库

语音转换

说话人验证

本研究构建了一个名为‘大规模转换语音数据库’的数据集，由16种表现良好的语音转换方法生成，旨在推动源说话人验证任务的发展。数据集包含约327,600条转换语音样本，这些样本通过随机选择三个源语音样本对同一目标语音进行语音转换生成，模拟了三种不同的攻击者。创建过程中，采用了多种语音转换技术，确保数据集的多样性和实用性。该数据集主要应用于源说话人验证领域，旨在解决语音转换技术对自动说话人验证系统安全性

arXiv2024-06-07 更新320

KitsuneX07/Datasets_for_AIR

语音合成

语音转换

用于SVC/TTS项目的来自「青空」的数据集。

Hugging Face2024-07-09 更新140

NaturalVoices Dataset

语音转换

语音处理

NaturalVoices引入了一种新颖的数据采集流程，并发布了一个用于语音转换的新自然语音数据集。该流程利用经过验证的高性能技术从原始播客数据中提取详细信息，如自动语音识别、说话人日志和信噪比。通过该流程创建了一个大规模、自发、富有表现力和情感丰富的语音数据集，专为语音转换应用量身定制。客观和主观评估证明了使用该流程为语音转换提供自然和富有表现力数据的有效性。

github2025-10-28 更新420

accent_coach_training_dataset

语音训练

语音转换

该数据集包含句子ID、句子内容、输入和输出说话者、源音频和目标音频等特征。音频的采样率为16000。数据集分为训练、验证和测试集，分别包含72000、9000和9000个样本。数据集的总下载大小为5603210527字节，总数据集大小为16185571242.0字节。

Hugging Face2024-12-12 更新180