VoxCPM2 多语种合成语音数据集

音视频
0 下载
7 浏览
2026-09-27

数据集简介

合成语音的生成方式

数据集中的语音全部由 VoxCPM2 合成生成,并非真人录音。合成时使用 1,124 个合成英语参考音色作为音色条件,使同一套文本能够以多种不同音色输出多语种语音。音频与文本一一对应,构成语音合成任务中常见的「文本—语音」配对样本。

源文本与音色来源

合成所用源文本来自 dbdp961202/emilia-translategemma-4b-55-locales 数据集中的 tts_accepted 字段,该字段保留了通过 TTS 适用性筛选的文本内容。参考音色同样来自以 dbd 开头的关联数据资源,与源文本数据集同属一个数据系列。

音频编码与分片组织

音频采用单声道 64kbps CBR Opus 编码,在保证语音可懂度的同时控制体积。全部音频以 WebDataset tar 分片形式组织,整体规模约 1GB,分片设计便于训练时按 shard 顺序流式读取,也方便按需下载部分数据。

数据划分与浏览方式

数据集仅包含一个子集 default,对应一个训练划分 train,未设置额外的验证或测试划分。在 HuggingFace 数据集页面可直接使用 Dataset Viewer 预览样本,也可通过 Files and versions 页面查看并下载 tar 分片文件。

获取与使用

该数据集为公开数据集,非 gated、非私有,任何用户均可在 HuggingFace 数据集页面浏览与下载,无需提交访问申请。数据集页面同时提供 Community 讨论区,便于使用者反馈问题或交流使用经验。具体许可协议未在资料中说明,使用前建议在页面确认授权条款。

基本信息

记录数量未知
文件大小1,124 个合成英语参考音色;音频约 1GB,按 WebDataset tar 分片组织
文件格式tar, opus
数据来源dbdp961202
音频编码单声道 64kbps CBR Opus
数据划分train
访问方式公开下载
数据落地页https://huggingface.co/datasets/dbdp961202/emilia-voxcpm2-synthetic
发布日期2026-09-27
语音合成多语种语音合成语音Opus音频WebDataset

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