Speech Corpus Collection

語音填充

此存儲庫是用於自動語音識別（ASR）和文本到語音（TTS）的語音語料庫的集合。

ASR語料庫

1. VCTK
   大約10.4GB。替代主機

2. librispeech
   大規模（1000小時）讀英文語音的語料庫。

3. TEDLIUM版本2
   TED-Lium語料庫是由音頻談判及其轉錄在TED網站上提供的。作者已經準備好並過濾了這些數據，以訓練聲學模型，以參加2011年口語翻譯的國際研討會（Lium English/French SLT系統在SLT任務中達到了第一個排名）。

TTS語料庫

1. CMU北極數據庫
   這些數據庫包括大約1150次話語，包括美國英語男性（BDL）和女性（SLT）揚聲器以及其他重音揚聲器。

2. 世界英語聖經
   世界英語聖經是1901年美國標準版本對現代英語的公共領域更新。它的文字和錄音在這裡可以自由地避免。但是，不幸的是，每個音頻文件都與一章相匹配，而不是一節經文，因此在大多數情況下太長。 Kyubyong通過手動將他們切成薄片。您可以將它們放在他的Dropbox上。

3. 南希·波克斯
   2011年暴風雪挑戰賽的南希語料庫。該數據可自由地用於簽署許可證的研究使用。

一般的

1. Nsynth數據集
   Nsynth是一個音頻數據集，其中包含305,979個音符，每個音符都帶有獨特的音調，音色和信封。對於來自商業樣品庫中的1,006個樂器，我們通過在標準的Midi Pian O（21-108）的每個音高以及五個不同的速度（25、50、75、100、127）上產生了四秒鐘的單聲道16kHz音頻段（稱為音符）。該票據在前三秒鐘內舉行，並允許在最後一秒鐘內衰落。

與我聯繫

Yunchao他
微博