OVOS 唤醒词「firefox」合成语音数据集

音视频
0 下载
11 浏览
2026-10-02

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。

基本信息

记录数量865 条音频(train 划分),总文件大小 77.9 MB;其中 legacy-tts 153
文件大小865 条音频(train 划分),总文件大小 77.9 MB;其中 legacy-tts 153
文件格式WAV, JSONL, Parquet
数据来源Tigre Gótico Lda
采样率24 kHz
位深16-bit PCM
许可协议CC BY 4.0
访问限制公开无门控
数据落地页https://huggingface.co/datasets/TigreGotico/synthetic-wakeword-firefox
发布日期2026-10-02
唤醒词检测语音合成声音克隆OVOS音频分类

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费