模型生成方言合成语音数据库
数据集介绍
一、产品概述
模型生成方言合成语音数据库共计910万条，共计36个发音人数据。合成引擎来自讯飞、火山和微软：讯飞（16kHz，16bit）；火山（24kHz，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
└─SPEECHDATA（数据文件夹）
│├─XF（合成平台）
││ ││ 0000001.pcm（音频文件）
││ ││ 0000001.txt（语音文本内容）
│├─HS（合成平台）
││ ││ 0000001.wav（音频文件）
││ ││ 0000001.txt（语音文本内容）
命名规则
CORPUS/USAGE/PLATFORM/SPEECH_IDe.g./SPEECHDATA/XF/0000001.wav
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
SPEECH_ID · 0000001.wav · WAV文件
三、发音人信息
发音人信息记录内容包括语种以及性别。
序号 · 平台 · 发音人 · 语种 · 句数(万句) · 性别
1 · 阮灵 · 上海 · 200 · 女 ·
2 · 小梅 · 广东 · 50 · 女 ·
3 · 苏小曦 · 苏州 · 50 · 女 ·
4 · 小肥 · 合肥 · 10 · 男 ·
XF · · · · ·
5 · 小坤 · 河南 · 10 · 男 ·
6 · 小包 · 内蒙 · 10 · 男 ·
7 · 小东 · 山东 · 10 · 女 ·
8 · 小王 · 武汉 · 10 · 男 ·
9 · 东北丫头 · 东北 · 10 · 女 ·
10 · 广西表哥 · 广西普通话 · 10 · 男 ·
11 · 长沙靓女 · 长沙 · 10 · 女 ·
12 · 西安佟掌柜 · 西安 · 10 · 女 ·
13 · 沪上阿姐 · 上海 · 50 · 女 ·
14 · 甜美台妹 · 台湾 · 10 · 女 ·
15 · 台普男声 · 台湾 · 10 · 男 ·
16 · 港剧男神 · 粤语 · 50 · 男 ·
HS · · · · ·
17 · 广东女仔 · 粤语 · 50 · 女 ·
18 · 相声演员 · 天津 · 10 · 男 ·
19 · 重庆小伙 · 重庆 · 10 · 男 ·
20 · 重庆幺妹儿 · 重庆 · 10 · 女 ·
21 · 四川甜妹儿 · 四川 · 10 · 女 ·
22 · 乡村企业家 · 郑州 · 10 · 男 ·
23 · 东北老铁 · 东北 · 10 · 男 ·
24 · 湖南妹坨 · 湖南普通话 · 10 · 女 ·
25 · 晓北 · 东北 · 10 · 女 ·
26 · 云登 · 河南 · 10 · 男 ·
27 · 晓妮 · 陕西 · 10 · 女 ·
28 · 云翔 · 冀鲁 · 10 · 男 ·
29 · 晓臻 · 台湾 · 10 · 女 ·
30 · 云哲 · 台湾 · 10 · 男 ·
WR · · · · ·
31 · 晓雨 · 台湾 · 10 · 女 ·
32 · Xiaotong · 吴语 · 50 · 女 ·
33 · Yunzhe · 吴语 · 50 · 男 ·
34 · Xiaomin · 粤语 · 50 · 女 ·
35 · Yunsong · 粤语 · 50 · 男 ·
36 · 云希 · 西南 · 10 · 男 ·
合计 · · · · 910 ·
数据样例下载
样例
- 音频样例 1
- 音频样例 2
- 音频样例 3
- 音频样例 4