Qwen3-TTS 多语言情感语音数据集
数据集简介
Dataset card
qwen3-tts-multilingual-emotional-speech 由 akuzdeuov 发布在 HuggingFace 上,是一个多语言情感语音数据集(multilingual emotional speech)。从名称可以看出其与 qwen3-tts 相关,推测面向 TTS 相关任务使用。数据集的模态为 Audio(音频)与 Text(文本),文件格式为 webdataset,即以 tar 分片序列化组织的流式数据格式,适合大规模训练场景下的顺序读取。数据集整体规模在 1M - 10M 区间,默认配置(default)约 4.6M 行(~4.6M rows,Dataset 视图默认展示前 17.2k 条),且只有 train 一个切分。
数据集的字段结构包括:
| 字段 | 说明 |
|---|---|
| key | webdataset 样本键 |
| url | 样本来源 URL |
| wav | 音频数据 |
| audio duration (s) | 音频时长(秒) |
样本命名遵循「目录/情感_编号」的规则,例如 Chinese/Uncle_Fu/sad_27362。从示例路径可见数据包含中文语料:Chinese/Uncle_Fu 目录下的样本按情感标签命名,涵盖 sad(悲伤)、happy(高兴)、angry(愤怒)、surprised(惊讶)、disgusted(厌恶)、fearful(恐惧)、neutral(中性)等情感类别,体现了数据集按情感标注组织语音样本的特点。
Data Studio
数据集提供 HuggingFace Data Studio 在线预览视图,默认配置下可浏览约 4.6M 行中的前 17.2k 条样本。用户可以在 Dataset 页面中直接查看 key、url、wav、音频时长等字段的实际内容,也可以通过路径示例(如 Chinese/Uncle_Fu/_)了解数据的组织方式,按语言目录与情感标签定位所需样本。
Files and versions
数据文件以 webdataset 格式托管在仓库的 Files and versions 页面,用户可在该页面查看文件列表、版本记录并下载所需分片。数据集为公开资源,登录 HuggingFace 后即可通过页面下载或使用 datasets 库远程加载。
Community
数据集页面附带 Community 区,使用者可在其中提出 Issues 或参与 Discussions,反馈数据质量、使用方式等问题,与发布者 akuzdeuov 交流。