西北工业大学 发布 FleSpeech 数据集, 应用在 语音合成、多模态数据处理 领域

西北工业大学 本次发布的数据集 FleSpeech, FleSpeech数据集由西北工业大学、香港科技大学和腾讯AI实验室联合创建，旨在支持灵活可控的语音生成研究。该数据集包含多模态数据，如文本、音频和视觉提示，数据来源包括CelebV-HQ、GRID、LRS2和MEAD等公开数据集。数据收集过程涉及视频分割、降噪处理和语音转录，确保数据质量。该数据集的应用领域主要集中在语音合成和语音属性编辑，旨在解决现有语音生成方法在灵活性和控制性方面的不足。

查看FleSpeech

关于 西北工业大学 , 西北工业大学位于中国陕西省西安市，是一所以发展航空、航天、航海工程教育和科学研究为特色的多科性、研究型、开放式全国重点大学，隶属于工业和信息化部。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。