MushanW/GLOBE

GLOBE是一个高质量的英语语料库，包含了全球各地的口音，旨在解决当前零样本说话人自适应文本到语音（TTS）系统在适应带口音的说话人时泛化能力差的问题。该数据集包含了来自23,519位说话者的语音，覆盖了全球164种口音，并且包含了详细的说话者元数据。与原始数据集Common Voice相比，GLOBE通过严格的筛选和增强过程显著提高了语音数据的质量，并填补了所有缺失的说话者元数据。最终整理的GLOBE语料库包含了535小时的语音数据，采样率为24 kHz。基准测试结果表明，使用GLOBE语料库训练的说话人自适应TTS模型在合成语音时，能够比其他流行的语料库训练的模型具有更好的说话人相似性和可比的自然度。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: CC0-1.0
• 源数据集: mozilla-foundation/common_voice_14_0
• 任务类别:
  • 文本到音频
  • 自动语音识别
  • 音频到音频
  • 音频分类

数据集特征

• 音频: 音频数据
• 说话者ID: 字符串
• 转录文本: 字符串
• 口音: 字符串
• 持续时间: 浮点数
• 年龄: 字符串
• 性别: 字符串

数据集分割

• 测试集:
  • 字节数: 496943021.995
  • 样本数: 5455
• 验证集:
  • 字节数: 373541300.088
  • 样本数: 4111
• 训练集:
  • 字节数: 53758082721.361
  • 样本数: 572159

数据集大小

• 下载大小: 47602304610
• 数据集大小: 54628567043.444

配置

• 默认配置:
  • 测试集: data/test-*
  • 验证集: data/val-*
  • 训练集: data/train-*