清华大学 发布 SpeechCraft 数据集, 应用在 语音处理、自然语言处理 领域

清华大学 本次发布的数据集 SpeechCraft, SpeechCraft是由清华大学创建的一个细粒度的双语表达性语音数据集，旨在促进语音与自然语言的多模态学习。该数据集包含约2,000小时的音频数据和超过两百万条语音片段，通过自动语音标注系统生成详细的自然语言描述。数据集的创建过程结合了专家分类器和高级标题模型，以及经过微调的LLaMA模型，以捕捉和描述语音的细微特性。SpeechCraft主要应用于可控语音生成和自动化语音标题生成领域，旨在提高语音合成和语音风格理解的性能。

查看SpeechCraft

README 内容： 

关于 清华大学 , 清华大学，位于中国北京，是一所享誉全球的顶尖研究型大学，以其深厚的学术底蕴和杰出的科研能力而著称。

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。