101arrowz/vox_celeb

VoxCeleb是一个音频-视觉数据集，包含从YouTube上传的采访视频中提取的人类语音短片。每个数据点包括音频/视频剪辑的路径以及关于说话者的元数据，如说话者ID、性别、姓名、国籍等。数据集支持的任务包括自动语音识别、音频分类和图像分类。数据集是多语言的，由众包创建，并遵循CC-BY-4.0许可证。VoxCeleb is an audio-visual dataset consisting of short clips of human speech extracted from interview videos uploaded to YouTube. Each data instance includes the file path of the audio/visual clip along with speaker-related metadata such as speaker ID, gender, name, nationality, etc. Supported tasks include automatic speech recognition, audio classification, and image classification. The dataset is multilingual, created via crowdsourcing, and licensed under CC-BY-4.0.

原始信息汇总

数据集概述

名称: VoxCeleb

类型: 音频-视觉数据集

内容: 包含从YouTube上的访谈视频中提取的人类语音短片段。

数据结构:

• 数据实例: 每个数据点包含音频/视频剪辑的路径及演讲者的元数据。
• 数据字段: 包括文件路径、文件格式、数据集ID、演讲者ID、性别、名称、国籍、视频ID、剪辑索引及音频信号数据。
• 数据分割: 预定义的开发集和测试集，其中开发集已重命名为“训练”分割。

语言: 多语言

任务类别:

• 自动语音识别
• 音频分类
• 图像分类

任务ID: 说话人识别

许可证: cc-by-4.0

数据集创建:

• 注释创建者: 众包
• 语言创建者: 众包
• 个人和敏感信息: 数据集包含来自公开YouTube视频的剪辑记录，主要涉及名人和公众人物。VoxCeleb1中提供了演讲者的姓名。

使用考虑:

• 引用信息: 使用VoxCeleb1或VoxCeleb2时，需引用以下三篇文献：
  • Nagrani19
  • Chung18b
  • Nagrani17

贡献者: 感谢@101arrowz添加此数据集。