上海声学实验室 发布 SHAL 数据集, 应用在 语音验证、数据增强 领域

上海声学实验室 本次发布的数据集 SHAL, SHAL数据集是由上海声学实验室创建，专注于中文数字字符串的长文本依赖语音验证。该数据集包含约72.3小时的音频，共46,583个文件，格式为44.1kHz、16位PCM-WAV。数据集主要关注10至40岁的说话者，性别平衡。创建过程中，使用了Tacotron2和HiFi-GAN进行数据增强，通过转移学习和个性化TTS模型，将数据集扩展至原大小的六倍。SHAL数据集适用于金融支付等领域的身份验证，旨在解决文本依赖语音验证中的数据稀缺和领域不匹配问题。

查看SHAL

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。