语音合成（speech synthesis）方向四：开源中文和英文训练语料库open speech corpus

声明：工作以来主要从事TTS工作，工程算法都有涉及，平时看些文章做些笔记。文章中难免存在错误的地方，还望大家海涵。平时搜集一些资料，方便查阅学习：TTS 论文列表 低调奋进 TTS 开源数据 低调奋进。如转载，请标明出处。

                                                                               欢迎关注微信公众号：低调奋进

---

目录

1   标贝

2  希尔贝壳

3  DiDiSpeech

4  LJ speech Dataset

5  VCTK

6  LibriTTS

7  CSS10

8 Hi-Fi TTS

---

语音合成系统的训练需要大量高质量精标语料库，这给很多研究人员带来诸多不便。本篇文章主旨为整理目前开源的语音语料，便于相关从业者使用。首先，我们需要为这些为开源数据做贡献的个人、公司或者组织表达敬意，有了这些开源的数据，才能促进语音合成的发展。

我把个人搜集的语音合成、语音识别和噪声数据整理到个人的网站，有兴趣的研究者可以搜藏  低调奋进

本文章对开源的语音合成数据的选取的标准：音频的质量较高，语料库包含音频和对应的标注信息文件。

---

                                                                          标贝

     标贝（北京）科技有限公司（简称“标贝科技”）是一家专注智能语音交互和AI数据服务的人工智能公司，为AI领域提供各种高质量的训练语料和技术方案。标贝开源了一万句的女生音库，详细信息如下：

数据内容：中文标准女声语音库数据

录音语料：综合语料样本量；音节音子的数量、类型、音调、音连以及韵律等进行覆盖。

有效时长：约12小时

平均字数：16字

语言类型：标准普通话

发音人：女；20-30岁；声音积极知性

录音环境：声音采集环境为专业录音棚环境：1）录音棚符合专业音库录制标准；2）录音环境和设备自始至终保持不变；3）录音环境的信噪比不低于35dB。

录制工具：专业录音设备及录音软件

采样格式：无压缩PCM WAV格式，采样率为48KHz、16bit

标注内容：音字校对、韵律标注、中文声韵母边界切分

标注格式：文本标注为.txt格式文档；音节音素边界切分文件为.interval格式

质量标准：1. 语音文件为48k 16bit wav格式，音色、音量、语速一致，无漂零无截幅；2.标注文件字准率不低于99.8%；3.音素边界错误大于10ms的比例小于1%；音节边界准确率大于98%.

存储方式：FTP存储

文件格式：音频文件：WAV 文本标注文件：TXT 边界标注文件：INTERVAL

版权所有者：标贝（北京）科技有限公司

想使用该数据的用户请访问链接