点赞 点赞 15
评论 3
书签 书签 15

语音数据集整理

原创 已于 2022-07-25 15:20:04 修改 · 2.6k 阅读 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
音频

当前文章被收录于：

音频
1 篇文章 0 人学习
订阅专栏 查看详情
cknow-ai 代码可运行
于 2022-07-25 15:09:56 首次发布
AECChallenge2022提供了合成与真实采集的语音数据，包括fullband_synthetic和fullband两个部分。数据集涵盖多种语言如法语、德语、意大利语等的纯净语音和噪声样本，用于语音增强和TTS模型训练。数据分为多个分段并以tar.bz2压缩包形式存储。

AEC Challenge 2022

合成 & 真实采集

[fullband_synthetic.zip (26.4 GB)](https://aecchallengepublic.blob.core.windows.net/icassp2022/fullband_synthetic.zip)
[fullband.zip (19.3 GB)](https://aecchallengepublic.blob.core.windows.net/icassp2022/fullband.zip)

DataShare

Noisy speech database for training speech enhancement algorithms and TTS models

AISHELL-3

希尔贝壳—专注于人工智能大数据和技术的创新​​​​​​​

DNS4

AZURE_URL = https://dns4public.blob.core.windows.net/dns4archive/datasets_fullband

# The directory structure of the unpacked data is:

# datasets_fullband 892G

# +-- dev_testset 1.7G

# +-- impulse_responses 5.9G

# +-- noise_fullband 58G

# \-- clean_fullband 827G

#     +-- emotional_speech 2.4G

#     +-- french_speech 62G

#     +-- german_speech 319G

#     +-- italian_speech 42G

#     +-- read_speech 299G

#     +-- russian_speech 12G

#     +-- spanish_speech 65G

#     +-- vctk_wav48_silence_trimmed 27G

#     \-- VocalSet_48kHz_mono 974M

    clean_fullband/datasets_fullband.clean_fullband.VocalSet_48kHz_mono_000_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.emotional_speech_000_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_000_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_001_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_002_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_003_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_004_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_005_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_006_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_007_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.french_speech_008_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_000_0.00_3.47.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_001_3.47_3.64.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_002_3.64_3.74.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_003_3.74_3.81.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_004_3.81_3.86.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_005_3.86_3.91.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_006_3.91_3.96.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_007_3.96_4.00.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_008_4.00_4.04.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_009_4.04_4.08.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_010_4.08_4.12.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_011_4.12_4.16.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_012_4.16_4.21.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_013_4.21_4.26.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_014_4.26_4.33.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_015_4.33_4.43.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_016_4.43_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_017_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_018_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_019_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_020_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_021_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_022_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_023_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_024_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_025_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_026_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_027_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_028_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_029_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_030_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_031_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_032_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_033_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_034_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_035_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_036_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_037_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_038_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_039_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_040_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_041_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.german_speech_042_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.italian_speech_000_0.00_3.98.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.italian_speech_001_3.98_4.21.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.italian_speech_002_4.21_4.40.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.italian_speech_003_4.40_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.italian_speech_004_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.italian_speech_005_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_000_0.00_3.75.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_001_3.75_3.88.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_002_3.88_3.96.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_003_3.96_4.02.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_004_4.02_4.06.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_005_4.06_4.10.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_006_4.10_4.13.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_007_4.13_4.16.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_008_4.16_4.19.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_009_4.19_4.21.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_010_4.21_4.24.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_011_4.24_4.26.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_012_4.26_4.29.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_013_4.29_4.31.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_014_4.31_4.33.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_015_4.33_4.35.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_016_4.35_4.38.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_017_4.38_4.40.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_018_4.40_4.42.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_019_4.42_4.45.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_020_4.45_4.48.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_021_4.48_4.52.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_022_4.52_4.57.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_023_4.57_4.67.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_024_4.67_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_025_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_026_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_027_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_028_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_029_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_030_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_031_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_032_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_033_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_034_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_035_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_036_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_037_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_038_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.read_speech_039_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.russian_speech_000_0.00_4.31.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.russian_speech_001_4.31_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_000_0.00_4.09.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_001_4.09_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_002_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_003_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_004_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_005_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_006_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_007_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.spanish_speech_008_NA_NA.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.vctk_wav48_silence_trimmed_000.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.vctk_wav48_silence_trimmed_001.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.vctk_wav48_silence_trimmed_002.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.vctk_wav48_silence_trimmed_003.tar.bz2

    clean_fullband/datasets_fullband.clean_fullband.vctk_wav48_silence_trimmed_004.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_000.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_001.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_002.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_003.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_004.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_005.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.audioset_006.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.freesound_000.tar.bz2

    noise_fullband/datasets_fullband.noise_fullband.freesound_001.tar.bz2

    datasets_fullband.dev_testset_000.tar.bz2

    datasets_fullband.impulse_responses_000.tar.bz2

标签
#实时音视频
分类 人工智能
AEC-Challenge:AEC挑战
05-15
AEC挑战 ICASSP 2021声学回声消除挑战赛旨在激发声学回声消除（AEC）领域的研究，该领域是语音增强的重要组成部分，仍然是音频通信和会议系统中的头号问题。 许多最近的AEC研究报告了综合数据集的合理性能，其中训练样本和测试样本来自相同的基础分布。 但是，AEC的性能通常会在实际录制时显着降低。 同样，在现实环境中存在背景噪声和混响的情况下，大多数常规客观指标（例如回声回波损耗增强（ERLE）和语音质量的感知评估（PESQ））与主观语音质量测试没有很好的关联。 在这一挑战中，我们开放了两个大型数据集，以在单人交谈和双方交谈场景下训练AEC模型。 这些数据集包括来自真实环境中2500多个真实音频设备和人类说话者的录音，以及合成数据集。 我们开放了基于的在线主观测试框架，供研究人员快速测试其结果。 该挑战赛的获胜者将根据在所有不同的单通话和通话情景下获得的平均P.808平均意见得分（M
AISHELL-3数据集
06-17
AISHELL-3 is a large-scale and high-fidelity multi-speaker Mandarin speech corpus published by Beijing Shell Shell Technology Co.,Ltd. It can be used to train multi-speaker Text-to-Speech (TTS) systems.The corpus contains roughly 85 hours of emotion-neutral recordings spoken by 218 native Chinese mandarin speakers and total 88035 utterances. Their auxiliary attributes such as gender, age group and native accents are explicitly marked and provided in the corpus. Accordingly, transcripts in Chines
论文翻译：2020_Acoustic Echo Cancellation Challenge Datasets And Testingframework
凌逆战的博客
09-19 3126
论文地址：ICASSP 2021声学回声消除挑战:数据集和测试框架 代码地址：https://github.com/microsoft/DNS-Challenge 主页：https://aec-challenge.azurewebsites.net/ 摘要 　　ICASSP 2021年声学回声消除挑战赛旨在促进声学回声消除(AEC)领域的研究，该领域是语音增强的重要组成部分，也是音频通...
语音数据集选择与应用指南：从ASR到TTS
最新发布
weixin_27021789的博客
04-29 267
语音识别(ASR)和文本转语音(TTS)技术依赖于高质量的语音数据集。数据集的质量直接影响模型的性能，包括音频质量、标注准确性和说话人多样性等关键要素。在实际工程中，选择合适的数据集需要考虑目标语言、场景覆盖度和数据授权条款。例如，LibriSpeech适合英语基础模型训练，而AISHELL系列则适用于高精度的中文语音识别。对于小语种项目，FLEURS多语言数据集结合本地语料库是常见解决方案。数据准备流程包括授权审查、质量筛查和增强策略，如噪声注入和速度扰动。优化技巧包括数据混合比例调整和采样率统一。随着技
Microsoft AEC Challenge 数据集介绍
AI 音频小牛的博客
11-21 2307
Microsoft AEC Challenge 数据集旨在为自适应回声消除算法的开发和评估提供真实的音频数据。数据集中包含多种场景的录音，涵盖了不同的回声特性和环境噪声。这些数据集的设计为研究人员提供了丰富的资源，以测试和比较不同的 AEC 算法。
Biomedical images dataset findings（4 Chest page）
qq_37735698的博客
11-09 1396
Note: Chest in this page includes: ribs（肋骨）, breast,pancreas（胰腺）,spleen（脾脏）, lung, airway. RIbs RibFrac（20） MICCAI子会议；肋骨骨折的自动检测和分类（4类：带扣，无移位，移位或节段性肋骨骨折）；需申请 数据集：660套CT扫描自动检测和分类大约5,000处肋骨骨折，其中包括420套训练CT（全部有骨折），80套经过验证的CT（20部没有骨折）和160套评估 CT。其中，训练420套（5..
语音数据集 整理
jacke121的专栏
08-02 2556
语音数据集 整理
历史最全开放语音/音频数据集整理分享
lqfarmer的博客
11-10 1万+
本资源整理了40多个语音和音频处理相关的开源数据集，分享给有需要的朋友。 资源整理自网络，源地址：https://github.com/jim-schwoebel/voice_datasets 有两种主要类型的音频数据集：语音数据集和音频事件/音乐数据集。 语音数据集 2000 HUB5 English- The Hub5 ev...
神经网络语音分离必读论文、代码、教程、公开数据集整理分享
lqfarmer的博客
12-28 2768
语音分离的目标是把目标语音从背景干扰中分离出来。在信号处理中，语音分离属于很基本的任务类型，应用范围很广泛，包括听力假体、移动通信、鲁棒的自动语音以及说话人识别。人类听觉系统能轻易地将一个人的声音和另一个人的分离开来。即使在鸡尾酒会那样的声音环境中，我们似乎也能毫不费力地在其他人的说话声和环境噪声的包围中听到一个人的说话内容。因此语音分离问题通常也被叫做「鸡尾酒会问题」（cocktail party problem），该术语由 Cherry 在他 1953 年那篇著名论文中提出。 ...
DL语音分离|抽取必读论文、数据集、代码工具整理分享
lqfarmer的博客
11-01 855
语音分离（Speech Separation）这个问题来自于“鸡尾酒会问题”，采集的音频信号中除了主说话人之外，还有其他人说话声的干扰和噪音干扰。语音分离的目标就是从这些干扰中分离出主说话人的语音。 根据干扰的不同，语音分离任务可以分为三类： 1、当干扰为噪声信号时，可以称为“语音增强”（Speech Enhancement） 2、当干扰为其他说话人时，可以称为“多说话人分离”（Speaker Separation） 3、当干扰为目标说话人自己声音的反射波时，可以称为“解混响...
语音数据集资源整理
ByteMelody的博客
05-28 454
语音数据集资源整理 类
语音识别测试wav数据集（中文250条英文150条）
06-14
语音数据都是网上开源的，自己将语音格式统一wav格式，可以用于测试paddlespeech/whisper等语音识别模型。
AEC测试数据
06-15
AEC测试数据
公开数据及 贝叶斯网络_神经网络语音分离必读论文、代码、教程、公开数据集整理分享...
weixin_36156538的博客
12-31 611
语音分离的目标是把目标语音从背景干扰中分离出来。在信号处理中，语音分离属于很基本的任务类型，应用范围很广泛，包括听力假体、移动通信、鲁棒的自动语音以及说话人识别。人类听觉系统能轻易地将一个人的声音和另一个人的分离开来。即使在鸡尾酒会那样的声音环境中，我们似乎也能毫不费力地在其他人的说话声和环境噪声的包围中听到一个人的说话内容。因此语音分离问题通常也被叫做「鸡尾酒会问题」(cocktail par...
历史最全语音增强必读论文、数据集、工具包、书籍及应用整理分享
lqfarmer的博客
10-24 2295
语音增强（Speech Enhancement）是指当语音信号被各种各样的噪声干扰、甚至淹没后，从噪声背景中提取有用的语音信号，抑制、降低噪声干扰的技术。一句话，从含噪语音中提取尽可能纯净的原始语音。 本资源整理了语音增强（Speech Enhancement）相关综述论文，相关的算法及最新的研究论文，语音增强的公开数据集，工具包，公共库，免费课程、ppt、免费书等资源，需要的朋友自取。 资源整理自网络，源地址： https://github.com/nanahou...
语音识别数据集大全：公开资源整理与使用指南
AI 原生应用开发的博客
07-22 1470
这就好比我们要盖一座语音识别的高楼大厦，数据集就是必不可少的建筑材料，接下来就让我们一起探索公开的语音识别数据集资源，开启一场数据的寻宝之旅。在本次学习中，我们将了解到丰富的公开语音识别数据集资源，学会如何选择适合自己项目的数据集，以及掌握使用这些数据集的基本方法。我们的学习路径是先了解语音识别数据集的整体概况，接着认识一些常见的公开数据集，再学习如何使用它们，最后探讨使用过程中的注意事项。无论是科研人员做实验，还是开发者开发新的语音应用，这些数据集都能发挥巨大的作用。
深度学习语音分离|抽取必读论文、数据集、代码工具整理分享
lqfarmer的博客
10-15 2715
语音分离（Speech Separation）这个问题来自于“鸡尾酒会问题”，采集的音频信号中除了主说话人之外，还有其他人说话声的干扰和噪音干扰。语音分离的目标就是从这些干扰中分离出主说话人的语音。 根据干扰的不同，语音分离任务可以分为三类： 1、当干扰为噪声信号时，可以称为“语音增强”（Speech Enhancement） 2、当干扰为其他说话人时，可以称为“多说话人分离”（Speaker Separation） 3、当干扰为目标说话人自己声音的反射波时，可以称为“解混响...
【AEC回声消除论文（3）】Integrated AEC With Time Alignment And Deep Learning-based RE Plus NS
ZengH的博客
03-26 1258
本文介绍了ICASSP 2021 AEC挑战赛的三级回声消除(AEC)和抑制框架。第一阶段采用分块频域自适应滤波，在不引入近端语音失真的情况下消除线性回声分量，并对远端参考信号与麦克风信号之间的时间延迟进行补偿。第二阶段提出一种与门控循环单元集成的深层复数UNet，以进一步抑制残余回声分量。在最后一阶段，训练一个极微小的深度复数U-Net来抑制第二阶段未完全抑制的非语音残差分量，这也可以在不显著增加计算复杂度的情况下进一步提高回声损失增强(ERLE)。
AISHELL-3语料库及格式解读
子燕若水的博客
04-14 3111
如果是很平滑的，给#1。（1）一个完整语意的句子，切除前后可以独立成为一个句子，从听感上调形是完全降下来的，有明显的停顿。（2）如果是以二声词结尾的短句，这个二声的词被拖长音，且与后面是转折的关系的，有明显的停顿。采用数字1、2、3、4、5,代替《汉语拼音方案》中声调阴平（ˉ），阳平（ˊ），上声（ˇ），去声（ˋ），轻声（不标调）这几个标调符号。通常标在一个韵律短语后面，有时会是一个词，从听感上调形是降下来的，但不够完全，不能独立成为一个语意完整的句子。韵律分成四级，分别用#4，#3，#2， #1表示。
语音和噪声相关数据集(持续更新)
热门推荐
凌逆战的博客
10-07 1万+
语音领域和纯净语音和纯净噪声数据集 收集和整理
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值