speaker_style_data.md

AI配音多风格分类音频语料

风格分类数据集

出门问问旗下有一款业界知名的AI配音神器魔音工坊，其中有一个听声识人功能，这是我们对声纹系统应用的一次尝试。由于魔音工坊拥有几百个speaker，每个speaker又拥有多种风格。根据中意的声音去查找speaker和对的应风格，对于一般用户来讲是非常困难的。我们基于这些风格数据和声纹技术做了一些尝试。目前选择部分数据面向公众开放。

数据格式简介

• 一共 50 个 speaker
• 每个 speaker 包含至少两种风格
• 总音频时长 60h
• 数据格式：
  • 音频：mp3
  • 文件名字：speaker_id-style_id-wav_id.mp3
• 数据以*.tar.bz2形式提供，解压后的一级目录结构是
  • style.csv：格式speaker_id,style_id,audio_path
  • style_data：音频文件所在目录

文件名字组成	说明
speaker_id	speaker的唯一ID
style_id	style的唯一ID，不同speaker会有相同的style
wav_id	音频的唯一ID

数据下载

下载地址

数据集的下载链接如下：

• http://share.mobvoi.com:5000/sharing/WcaXmxYDK

完整性校验

数据集的 MD5 摘要信息如下。在下载完成后，可以通过对比该摘要信息来验证下载数据的完整性。

• dd949c9a59532ba4f503a10edcb90d4d

比如在Linux系统上，可使用如下命令来计算下载后数据的 MD5 摘要信息：

md5sum <下载后保存的文件路径>

数据解压

请在下载完成之后进行解压，以得到最终的开源数据。

比如在Linux系统上，可使用如下命令来进行解压：

tar xvfj <压缩包文件>