人工智能模型需要大量的数据来训练。对于缺乏数据采集和标注经验的人来说,获取优质的数据集会花费大量的时间。开源数据则能帮助解决这些困难,为AI研究提供助力。
MagicData拥有1500小时日语语料库,本次开源30小时数据集作为测试集。本语料库的录制文本为日常用语。采集方式为手机录音;录音输出为PCM格式。37名来自日本不同区域(如东京、大阪、北海道等)的发言人参与采集。MagicData日语手机朗读数据库(30小时)由MagicData有限公司开发,免费发布供非商业使用。 爱数智慧研发制作了朗读、面对面对话、电话对话等多场景下的中文、英文、日语、韩语等数十种语言的语音数据库。该数据库得到了行业的广泛认可。如您想了解更多爱数数据库信息,欢迎您联系我们。
爱数智慧中文童声语音合成数据集发音人为4岁女童(北京人),包含2235句话,时长超2小时。该数据集文本为日常用语。本次开源样例数据集时长为15分钟。 该发音人声音第一次用于TTS录制,音频已获得发音人与其监护人授权。 爱数智慧中文童声语音合成数据集由北京爱数智慧科技有限公司开发,免费发布供非商业使用。 如需更多声音,欢迎致电400-900-5251或邮件发送至 business@magicdatatech.com。
MagicData中文手机录音音频语料库包含755小时的中文普通话朗读语音数据,其中分为训练集712.09小时、开发集14.84小时和测试集28.08小时。本语料库的录制文本覆盖多样化的使用场景,包括互动问答、音乐搜索、口语短信信息、家居命令控制等。采集方式为手机录音,涵盖多种类型的安卓手机;录音输出为PCM格式。1000名来自中国不同口音区域的发言人参与采集。MagicData中文手机录音音频语料库由MagicData有限公司开发,免费发布供非商业使用。