德克萨斯大学奥斯汀分校 发布 Paralinguistic Speech Captions (ParaSpeechCaps) 数据集, 应用在 语音合成、风格化语音 领域

德克萨斯大学奥斯汀分校 本次发布的数据集 Paralinguistic Speech Captions (ParaSpeechCaps), Paralinguistic Speech Captions (ParaSpeechCaps)是一个覆盖了59种独特风格标签的大型数据集，由德克萨斯大学奥斯汀分校和纽约大学共同创建。该数据集包括342小时的人工标注数据(PSC-Base)和2427小时的自动标注数据(PSC-Scaled)。数据集旨在通过丰富的风格标签来提升文本到语音合成的风格表现，包含说话人级别的内在标签和语句级别的情境标签。数据集创建过程中，首先通过众包方式收集了282小时语音的内在大规模标注数据，然后提出两种新颖的数据扩展方法，一种针对内在标签，一种针对情境标签，以自动扩展数据集规模。该数据集可应用于风格化文本到语音合成，解决语音合成中的风格控制问题。

查看Paralinguistic Speech Captions (ParaSpeechCaps)

README 内容： 

关于 德克萨斯大学奥斯汀分校 , 德克萨斯大学奥斯汀分校是美国德克萨斯州奥斯汀市的一所公立研究型大学，拥有强大的计算机科学系，该校在计算机科学领域享有盛誉，培养了大量计算机科学领域的杰出人才。

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。