关于VCTK数据集

Wsyoneself

已于 2023-03-31 16:46:32 修改

阅读量8.7k

点赞数 8

分类专栏： dataset 文章标签：语音识别人工智能

于 2022-06-30 18:33:46 首次发布

本文链接：https://blog.csdn.net/weixin_45647721/article/details/125546132

版权

dataset 专栏收录该内容

10 篇文章 2 订阅

订阅专栏

下载vctk数据集（下载路径：https://datashare.ed.ac.uk/download/DS_10283_3443.zip），下载后根据说话人分文件夹放置截图（110个人）：
vctk数据集理解：
1. CSTR VCTK语料库包括110名英语使用者使用不同口音发出的语音数据。每个演讲者朗读大约400个句子，这些句子选自一份报纸、rainbow文章和一段用于语音重音档案的启发段落。
2. 文本是根据贪婪算法选择的，贪婪算法可以增加上下文和语音覆盖率。
3. 所有语音数据均使用相同的录音设置进行录音：一个全向麦克风（DPA 4035）和一个小振膜电容麦克风，带宽非常宽（Sennheiser MKH 800），采样频率为96kHz，24位，位于爱丁堡大学的半消声室中。
4. 所有记录均转换为16位，降采样至48 kHz
5. 该语料库最初用于基于HMM的文本到语音合成系统，尤其是基于说话人自适应HMM的语音合成，该合成使用多个说话人的平均语音模型和说话人自适应技术。该语料库也适用于基于DNN的多说话人文语合成系统和波形建模。**这里的思想和PCA提取人脸特征加上平均人脸来合成指定人脸的思想类似**
VCTK语料库有几种变体：
1. 语音增强：用于训练语音增强算法和TTS模型的噪声语音数据库，音频被人为地向VCTK添加了各种类型的噪声：http://dx.doi.org/10.7488/ds/2117
2. 混响语音数据库，用于训练语音去混响算法和TTS模型，VCTK中人为添加了各种类型的混响http://dx.doi.org/10.7488/ds/1425
3. 用于训练语音增强算法和TTS模型的噪声混响语音数据库http://dx.doi.org/10.7488/ds/2139
4. 设备记录VCTK，其中VCTK语料库的语音信号被回放，并使用相对便宜的消费设备在办公环境中重新记录http://dx.doi.org/10.7488/ds/2316
5. Microsoft可伸缩噪声语音数据集（MS-SNSD）https://github.com/microsoft/MS-SNSD
6. ASV和反欺骗：
  1. 欺骗和反欺骗（SAS）语料库，是由九种技术产生的合成语音信号的集合，其中两种是语音合成，七种是语音转换。所有这些都是使用VCTK语料库构建的。http://dx.doi.org/10.7488/ds/252
  2. 自动说话人验证欺骗和对策挑战（ASVspoof 2015）数据库。该数据库由十种技术产生的合成语音信号组成，已用于第一次自动说话人验证欺骗和对抗挑战（ASVspoof 2015）http://dx.doi.org/10.7488/ds/298
  3. ASVspoof 2019：第三个自动说话人验证欺骗和对策挑战数据库。该数据库已用于第三次自动说话人验证欺骗和对策挑战（ASVspoof 2019）https://doi.org/10.7488/ds/2555
  4. 使用语料库需要增加的引用：
```
Christophe Veaux,  Junichi Yamagishi, Kirsten MacDonald, "CSTR VCTK Corpus: English Multi-speaker Corpus for CSTR Voice Cloning Toolkit",   The Centre for Speech Technology Research (CSTR), University of Edinbur
```