Speech Corpus Collection

语音填充

此存储库是用于自动语音识别（ASR）和文本到语音（TTS）的语音语料库的集合。

ASR语料库

1. VCTK
   大约10.4GB。替代主机

2. librispeech
   大规模（1000小时）读英文语音的语料库。

3. TEDLIUM版本2
   TED-Lium语料库是由音频谈判及其转录在TED网站上提供的。作者已经准备好并过滤了这些数据，以训练声学模型，以参加2011年口语翻译的国际研讨会（Lium English/French SLT系统在SLT任务中达到了第一个排名）。

TTS语料库

1. CMU北极数据库
   这些数据库包括大约1150次话语，包括美国英语男性（BDL）和女性（SLT）扬声器以及其他重音扬声器。

2. 世界英语圣经
   世界英语圣经是1901年美国标准版本对现代英语的公共领域更新。它的文字和录音在这里可以自由地避免。但是，不幸的是，每个音频文件都与一章相匹配，而不是一节经文，因此在大多数情况下太长。 Kyubyong通过手动将他们切成薄片。您可以将它们放在他的Dropbox上。

3. 南希·波克斯
   2011年暴风雪挑战赛的南希语料库。该数据可自由地用于签署许可证的研究使用。

一般的

1. Nsynth数据集
   Nsynth是一个音频数据集，其中包含305,979个音符，每个音符都带有独特的音调，音色和信封。对于来自商业样品库中的1,006个乐器，我们通过在标准的Midi Pian O（21-108）的每个音高以及五个不同的速度（25、50、75、100、127）上产生了四秒钟的单声道16kHz音频段（称为音符）。该票据在前三秒钟内举行，并允许在最后一秒钟内衰落。

与我联系

Yunchao他
微博