Ewha Womans University 发布 VoxEmoset 数据集, 应用在 语音识别、情感分析 领域

Ewha Womans University 本次发布的数据集 VoxEmoset, VoxEmoset是一个大规模的情感语音描述与情感图像配对数据集，包含24.7万个情感丰富的语音描述，用于训练和评估语音到图像（S2I）模型。该数据集通过先进的文本到语音（TTS）引擎自动生成，涵盖了多种情感类别，包括快乐、兴奋、愤怒、厌恶、恐惧和悲伤。VoxEmoset旨在解决传统语音到图像模型在处理情感和语调信息方面的局限性，为S2I模型提供更具表现力和情感共鸣的图像生成能力。

查看VoxEmoset

关于 Ewha Womans University , Ewha Womans University 是位于韩国首尔的一所女子大学，成立于1886年，是韩国最早的高等教育机构之一，以其人文科学、社会科学和自然科学等领域的教学和研究而闻名。

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。