模型生成中文情感合成语音数据库

一、产品概述

模型生成中文情感合成语音数据库共计46.2万条，共计92个发音人数据。合成引擎来自讯飞、火山、阿里和微软：讯飞（16kHz，16bit）；火山（24kHz，16bit）；阿里（16kHz/24kHz/48kHz，16bit）；微软（48kHz，16bit）。

二、产品目录结构

目录结构

数据目录结构数据目录结构

└─spker-info.xlsx（音色信息）
└─SPEECHDATA（数据文件夹）
│├─XF（合成平台）
│├─关山（音色名称）
│├─标准（情感/风格分类）
││ ││ 0000001.pcm（音频文件）
││ ││ 0000001.txt（语音文本内容）
│├─HS（合成平台）

命名规则

CORPUS/USAGE/PLATFORM/SPEAKER/STYLE/SPEECH_IDe.g./SPEECHDATA/XF/关山/标准/0000001.pcm

目录名称 · 内容 · 备注

CORPUS · · 语音数据库编号

USAGE · SPEECHDATA · 文件夹名称

PLATFORM · XF · 合成接口平台

SPEAKER · 关山 · 音色名称

STYLE · 标准 · 风格或者情感分类

SPEECH_ID 0000001.pcm WAV文件

三、发音人信息

发音人信息性别如下表格所示，共包含92个音色，覆盖各个平台基础之外，共计30个情感风格。每人每个情感风格2000条，每句不低于5秒。

性别 · 人数 · 占比

男 · 31 · 33.7%

女 · 54 · 58.7%

儿童 · 7 · 7.6%

合计 · 92 · 100%

数据样例下载

点击下载数据样例