语音合成（speech synthesis）方向四：开源中文和英文训练语料库open speech corpus

声明：工作以来主要从事TTS工作，工程算法都有涉及，平时看些文章做些笔记。文章中难免存在错误的地方，还望大家海涵。平时搜集一些资料，方便查阅学习：TTS 论文列表 低调奋进 TTS 开源数据 低调奋进。如转载，请标明出处。

                                                                               欢迎关注微信公众号：低调奋进

目录

1   标贝

2  希尔贝壳

3  DiDiSpeech

4  LJ speech Dataset

5  VCTK

6  LibriTTS

7  CSS10

8 Hi-Fi TTS

语音合成系统的训练需要大量高质量精标语料库，这给很多研究人员带来诸多不便。本篇文章主旨为整理目前开源的语音语料，便于相关从业者使用。首先，我们需要为这些为开源数据做贡献的个人、公司或者组织表达敬意，有了这些开源的数据，才能促进语音合成的发展。

我把个人搜集的语音合成、语音识别和噪声数据整理到个人的网站，有兴趣的研究者可以搜藏  低调奋进

本文章对开源的语音合成数据的选取的标准：音频的质量较高，语料库包含音频和对应的标注信息文件。

                                                                          标贝

     标贝（北京）科技有限公司（简称“标贝科技”）是一家专注智能语音交互和AI数据服务的人工智能公司，为AI领域提供各种高质量的训练语料和技术方案。标贝开源了一万句的女生音库，详细信息如下：

数据内容：中文标准女声语音库数据

录音语料：综合语料样本量；音节音子的数量、类型、音调、音连以及韵律等进行覆盖。

有效时长：约12小时

平均字数：16字

语言类型：标准普通话

发音人：女；20-30岁；声音积极知性

录音环境：声音采集环境为专业录音棚环境：1）录音棚符合专业音库录制标准；2）录音环境和设备自始至终保持不变；3）录音环境的信噪比不低于35dB。

录制工具：专业录音设备及录音软件

采样格式：无压缩PCM WAV格式，采样率为48KHz、16bit

标注内容：音字校对、韵律标注、中文声韵母边界切分

标注格式：文本标注为.txt格式文档；音节音素边界切分文件为.interval格式

质量标准：1. 语音文件为48k 16bit wav格式，音色、音量、语速一致，无漂零无截幅；2.标注文件字准率不低于99.8%；3.音素边界错误大于10ms的比例小于1%；音节边界准确率大于98%.

存储方式：FTP存储

文件格式：音频文件：WAV 文本标注文件：TXT 边界标注文件：INTERVAL

版权所有者：标贝（北京）科技有限公司

想使用该数据的用户请访问链接

                                                                                                            开源数据产品 – 标贝科技｜智能语音交互领导者

                                                                   Aishell  希尔贝壳

北京希尔贝壳科技有限公司成立于2017年，是一家专注人工智能大数据和技术服务的创新公司。本次开源的中文普通话语音数据库AISHELL-3的语音时长为85小时88035句，可做为多说话人合成系统。录制过程在安静室内环境中， 使用高保真麦克风（44.1kHz，16bit）。218名来自中国不同口音区域的发言人参与录制。专业语音校对人员进行拼音和韵律标注，并通过严格质量检验，此数据库音字确率在98%以上。（支持学术研究，未经允许禁止商用。）数据参数如下：

想使用该数据的用户请访问

                                                                                                                                openslr.org

                                                                          DiDiSpeech

      DidiSpeech是一个针对中文个性化语音合成任务的大规模数据库。该数据库提供了由超过6000名说话人录制的近800小时的语音数据。此次第一批开放数据为500人，时长60余小时的语音数据。

       数据库中所有的音频均由说话人使用手机在安静环境中录制，具有较高的语音质量。同时，数据库中的说话人在性别、年龄以及地域等方面分布均匀，具有充足的多样性。在录制文本的设计上，数据库分别设计了平行文本与非平行文本，以确保在音色转换、多说话人语音合成等任务上数据的高度可用。此外，所有录制文本提供了注音标注。数据特点如下图。

该数据需要申请，所以想使用的用户可以申请（吐槽一下，申请那么麻烦，就不能学习一下希尔贝壳吗，这很不open，即想**，又想立**！太麻烦我就没申请）

                                                                                                         盖亚开放数据计划

                                                                       LJ speech Dataset

本音库为一位英语女生说话人，一共13100条数据，共24小时。音频参数为16bit, 22khz。具体的参数如下：

想使用该数据的用户请访问

                                                                                                                  https://keithito.com/LJ-Speech-Dataset/

                                                                             VCTK

本音库为多说话人英语语料，该音库有不同口音的109位英语发音人，每位发音人大约400句话，其内容主要来自报纸，彩虹段落和语音口音档案中使用的启发段落。所有音频记录为16bit,48khz。

想访问该数据的用户请访问

                                                                                                          SUPERSEDED – CSTR VCTK Corpus: English Multi-speaker Corpus for CSTR Voice Cloning Toolkit

                                                                     LibriTTS

LibriTTS是多说话人英语语料，大约有585小时，根据音频质量分为好几个子集，用户可以根据需要进行选择使用，（音质不是太高，可以用于speaker encoder训练使用）具体参数如下

想访问该数据的用户请访问

                                                                                                                                      openslr.org

                                                                                  CSS10

数据提供了德语，希腊语，西班牙语，法语，中文，日语，俄罗斯，芬兰，匈牙利语，荷兰语等10种语言，（音质不是太高），具体的参数如下：

想访问该数据的用户请访问

                                                                                                                 https://github.com/Kyubyong/css10

HI-Fi TTS

为促进tts的multi-speaker的研究，对LibriVox进行处理，获取11speakers的300小时的训练语料，具体文章链接

https://arxiv.org/pdf/2104.01497.pdf

数据下载

https://www.openslr.org/109/

其它的语音识别，语音合成等开源数据可参考道友整理的数据库

低调奋进

GitHub – coqui-ai/open-speech-corpora: 💎 A list of accessible speech corpora for ASR, TTS, and other Speech Technologies

https://github.com/KuangDD/zhvoice