OVOS 唤醒词「firefox」合成语音数据集
数据集简介
数据集卡片
本数据集提供唤醒词「firefox」的合成语音,用于训练与评测 OVOS 唤醒词插件。所有片段均为机器生成,不含真人直接录制的原始音频。数据集在 HuggingFace 上以公开方式发布,许可为 CC BY 4.0,可免费使用、再分发与构建,包括用于模型训练;页面未设置门控(gated: false),可直接下载。数据集制作获得 NGI0 Commons Fund 的支持。
目录布局
全部 865 条音频位于 train/ 划分,并按生成方式分入两个子目录。train/metadata.jsonl 为每条音频提供配套记录,字段包括 audio、text、engine、voice、rate、pitch、speaker_id、source_clip 与 origin。数据同时提供 parquet 格式文件,便于直接加载分析。总文件大小为 77.9 MB。
legacy-tts 子集
train/legacy-tts/ 收录 153 条片段,由文本转语音与变声处理生成。这些片段的引擎与声音信息未逐条记录,因此在该子集中无法按引擎或声音维度筛选。它们与 voice-clone 子集共同覆盖唤醒词「firefox」的多种合成变体,为唤醒词检测提供基础的正样本。
voice-clone 子集
train/voice-clone/ 收录 712 条片段,通过零样本声音克隆直接以参考说话人的音色合成,复现 Common Voice 贡献者的声音。该子集共使用 356 个参考录音,每条音频在 metadata.jsonl 中记录 speaker_id 与 source_clip,可追溯到对应的参考片段。所有音频统一为 16-bit PCM WAV、24 kHz 采样率,适合直接用于音频分类模型的输入。
引用与许可
数据集以 CC BY 4.0 许可发布,使用时请遵循许可条款署名。制作过程获得 NGI0 Commons Fund 支持,并涉及 OVOS、Multilingual Spoken Words Corpus、Common Voice 与 TigreGotico/synthetic_dataset_generator 等组件与来源。