约翰霍普金斯大学 发布 CapSpeech 数据集, 应用在 语音合成、自然语言处理 领域

约翰霍普金斯大学 本次发布的数据集 CapSpeech, CapSpeech 是一个为风格描述的文本到语音合成（CapTTS）及其相关下游任务设计的新基准，包含超过1000万机器注释的音频-字幕对和近36万人工注释的音频-字幕对。该数据集涵盖了广泛的内在说话者特征和表达风格特征，来源于多个音频源，包括 Emilia、GigaSpeech、CommonVoice 等。此外，CapSpeech 还引入了两个新的数据集，分别用于 AgentTTS 和 CapTTS-SE 任务。该数据集旨在解决现有数据集缺乏统一和综合的风格描述框架的问题，并促进 CapTTS 系统的开发。

查看CapSpeech

README 内容： 

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。