耳のデータセット

EARS データセット

Expressive A nechoic Recordings of Speech (EARS) データセットをリリースします。

データセットまたはその派生物を使用する場合は、論文を引用してください。

 @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}
}

音声強調ベンチマークを生成するためのオーディオ サンプルまたはスクリプトについては、プロジェクト ページを参照してください。

ハイライト

• 107 人の話者からの100 時間の音声データ
• 無響室での48 kHzでの高品質録音
• 18 歳から 75 歳までのさまざまな民族や年齢層の講演者による高い多様性
• ささやき声から叫び声まで、人間の音声のフルダイナミックレンジ
• スピーカーごとに 18 分間の自由形式のモノローグ
• 7 つの異なる読み上げスタイルで文章を読み上げます (普通、大声、ささやき声、高音、低音、速い、遅い)
• 各話者の22 の異なる感情をカバーする感情リーディングと自由形式のタスク

EARS データセットのダウンロード

bashを使用する

 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

Pythonを使用して

EARS ダウンロード スクリプトを実行する

 python download_ears.py

騒音のある音声を含むブラインド テストセットをダウンロードする

bashを使用する

 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

Pythonを使用して

ブラインド テストセット ダウンロード スクリプトを実行する

 python download_blind_testset.py

統計と成績証明書

107 人の話者の話者統計 (年齢、民族、性別、体重、身長、母国語) は、speaker_statistics.json に収集されます。

データセットの読み取り部分のトランスクリプトは、transscripts.json で入手できます。

ライセンス

コードとデータセットは、CC-NC 4.0 国際ライセンスに基づいてリリースされています。