发布SE-Eval数据集,应用在语音编辑、语音评估领域

本次发布的数据集SE-Eval,SE-Eval是首个专门为语音编辑（SE）模型自动评估设计的大规模基准数据集。传统TTS指标往往无法捕捉局部编辑质量，而SE-Eval提供了多维度的真实评估标准，包括整体质量（平均意见得分MOS）、边界自然度（边界MOS）和上下文一致性（环境、韵律和情感一致性）。数据集总时长为24.21小时的编辑语音，包含9,151个独特的合成音频片段，覆盖了10种主流语音编辑模型（扩散模型、自回归模型和端到端架构），并提供了44,451个由专业标注者提供的主观评分。数据集涵盖五个具有挑战性的子领域：RealEdit（日常真实世界音频场景）、LongHard（复杂长句和罕见术语）、Environment（多样化环境背景）、Prosody（表达性游戏角色语音）和Emotion（高保真情感语音）。每个样本包含原始音频、编辑后的音频、转录文本和多维度人类评分。

查看SE-Eval

Dataset card内容：

Files and versions内容：

关于,国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。