【深度学习】【语音】LJ Speech Dataset 数据集介绍

The LJ Speech Dataset: An Overview

简介

The LJ Speech Dataset 是一个公共领域的语音数据集，包含13,100个单一发声者朗读非小说书籍片段的短音频剪辑。每个音频剪辑都提供了相应的转录文本。这些音频剪辑的长度从1秒到10秒不等，总时长约为24小时。本文将详细介绍该数据集的内容、文件格式、统计数据及其应用。

数据集概述

数据来源

该数据集的文本摘自1884年至1964年之间出版的7本非小说书籍，所有文本都属于公共领域。音频由LibriVox项目在2016-17年录制，也属于公共领域。LibriVox是一个致力于将公共领域的书籍转录为音频的项目。

数据集内容

• 总音频片段数: 13,100
• 总词数: 225,715
• 总字符数: 1,308,674
• 总时长: 23小时55分17秒
• 平均片段时长: 6.57秒
• 最短片段时长: 1.11秒
• 最长片段时长: 10.10秒