oídos_dataset

Conjunto de datos EARS

Lanzamos el conjunto de datos de Grabaciones anecoicas expresivas del habla (EARS).

Si utiliza el conjunto de datos o cualquier derivado del mismo, cite nuestro documento

 @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}
}

Para obtener muestras de audio o guiones para generar puntos de referencia de mejora del habla, visite la página del proyecto.

Reflejos

• 100 h de datos de voz de 107 hablantes
• Grabaciones de alta calidad a 48 kHz en una cámara anecoica.
• Alta diversidad de hablantes con hablantes de diferentes etnias y rango de edad de 18 a 75 años.
• rango dinámico completo del habla humana, desde susurros hasta gritos
• 18 minutos de monólogos de forma libre por orador
• lectura de oraciones en 7 estilos de lectura diferentes (normal, fuerte, susurrado, agudo, grave, rápido y lento)
• lectura emocional y tareas de forma libre que cubren 22 emociones diferentes para cada hablante

Descargar el conjunto de datos EARS

usando 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

usando pitón

ejecute el script de descarga de EARS

 python download_ears.py

Descargue el conjunto de pruebas para ciegos con habla ruidosa

usando 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

usando pitón

ejecutar el script de descarga del conjunto de pruebas ciegas

 python download_blind_testset.py

Estadísticas y transcripciones

Las estadísticas de los hablantes (edad, origen étnico, sexo, peso, altura, idioma nativo) de los 107 hablantes se recopilan en Speaker_statistics.json.

Las transcripciones de las partes de lectura del conjunto de datos están disponibles en transcripts.json.

Licencia

El código y el conjunto de datos se publican bajo la licencia internacional CC-NC 4.0.