Наборы данных, такие как "Набор данных речи LJ"

Question

Я пытаюсь найти базы данных, такие как набор речевых данных LJ, созданный Китом Ито. Мне нужно использовать эти наборы данных в TacoTron 2 ( Link ), поэтому я думаю, что наборы данных должны быть структурированы определенным образом. база данных LJ напрямую связана со страницей gacub tacotron 2, так что я думаю, можно с уверенностью предположить, что она предназначена для работы с ней. Поэтому я считаю, что базы данных должны иметь ту же структуру, что и ЖЖ. Я скачал набор данных и обнаружил, что он структурирован так:

main folder:

    -wavs

        -001.wav

        -002.wav

        -etc
    -metadata.csv: This file is a csv file which contains all the things said in every .wav, in a form like this **001.wav | hello etc.**

Итак, мой вопрос: существуют ли другие наборы данных, подобные этому, для дальнейшего обучения?

Но я думаю, что могут быть проблемы, например, голос из одного набора данных будет отличаться от голоса в другом, это вызовет слишком много проблем? А также разные сленги или подобные вещи могут вызвать проблемы?

Answer 1

Есть несколько ресурсов:

Основные из них, на которые я хотел бы обратить внимание, это Festvox (он же CMU artic) http://www.festvox.org/dbs/index.html и LibriVoc https://librivox.org/

похоже, эти парни ведут список https://github.com/candlewill/Speech-Corpus-Collection

И я являюсь частью проекта, который собирает больше (бесстыдная самоотключение): https://github.com/Idlak/Living-Audio-Dataset