ears_dataset Download - ears_dataset Quellcode herunterladen

ears_dataset

Anderer Quellcode

blind testset

Herunterladen

EARS-Datensatz

Wir veröffentlichen den Datensatz „ E xpressive A nechoic Recordings of S peech“ (EARS).

Wenn Sie den Datensatz oder ein Derivat davon verwenden, zitieren Sie bitte unser Papier

 @inproceedings{richter2024ears,
  title={{EARS}: An Anechoic Fullband Speech Dataset Benchmarked for Speech Enhancement and Dereverberation},
  author={Richter, Julius and Wu, Yi-Chiao and Krenn, Steven and Welker, Simon and Lay, Bunlong and Watanabe, Shinjii and Richard, Alexander and Gerkmann, Timo},
  booktitle={Interspeech},
  year={2024}
}

Für Audiobeispiele oder Skripte zur Generierung der Sprachverbesserungs-Benchmarks besuchen Sie bitte die Projektseite.

Höhepunkte

100 Stunden Sprachdaten von 107 Sprechern
Hochwertige Aufnahmen bei 48 kHz in einem reflexionsarmen Raum
hohe Rednervielfalt mit Rednern unterschiedlicher Ethnien und Altersspanne von 18 bis 75 Jahren
vollen Dynamikumfang der menschlichen Sprache, vom Flüstern bis zum Schreien
18 Minuten freie Monologe pro Sprecher
Satzlesen in 7 verschiedenen Lesestilen (normal, laut, flüstern, hoch, tief, schnell, langsam)
emotionales Lesen und Freiformaufgaben, die 22 verschiedene Emotionen für jeden Sprecher abdecken

Laden Sie den EARS-Datensatz herunter

mit Bash

 for X in $(seq -w 001 107); do
  curl -L https://github.com/facebookresearch/ears_dataset/releases/download/dataset/p${X}.zip -o p${X}.zip
  unzip p${X}.zip
  rm p${X}.zip
done

mit Python

Führen Sie das EARS-Download-Skript aus

 python download_ears.py

Laden Sie das Blindtestset mit lauter Sprache herunter

mit Bash

 curl -L https://github.com/facebookresearch/ears_dataset/releases/download/blind_testset/blind_testset.zip -o blind_testset.zip
mkdir blind_testset
unzip blind_testset.zip -d blind_testset
rm blind_testset.zip

mit Python

Führen Sie das Blind-Testset-Download-Skript aus

 python download_blind_testset.py

Statistiken und Transkripte

Die Sprecherstatistiken (Alter, ethnische Zugehörigkeit, Geschlecht, Gewicht, Größe, Muttersprache) für die 107 Sprecher werden in Speaker_statistics.json gesammelt.

Transkripte der gelesenen Teile des Datensatzes sind in transcripts.json verfügbar.