懂AI
seed-tts-eval

seed-tts-eval

零样本语音生成评估数据集与度量工具

seed-tts-eval是一个开源项目，提供评估零样本语音生成能力的客观测试集。该测试集包含英语和中文公开语料库样本，并配备计算词错误率和说话人相似度的脚本。这套工具主要用于评估语音合成模型在跨语言和零样本场景下的性能。项目采用Common Voice和DiDiSpeech-2数据集，包含3000个测试样本。评估指标包括使用Whisper和Paraformer模型的词错误率，以及基于WavLM的说话人相似度。这些工具有助于客观评估语音合成技术的进展。

TTS语音合成评估指标测试集AI安全Github开源项目
GitHubHugging Face论文

seed-tts-eval

:boom: 本仓库包含我们项目seed-TTS中提出的客观测试集，以及计算指标的脚本。出于AI安全考虑，我们不会发布seed-TTS的源代码和模型权重。我们邀请您体验字节跳动产品中的语音生成功能。:boom:

为评估我们模型的零样本语音生成能力，我们提出了一个领域外的客观评估测试集。该测试集由英语(EN)和中文(ZH)公共语料库中提取的样本组成，用于衡量模型在各种客观指标上的表现。具体来说，我们使用了Common Voice数据集的1,000个样本和DiDiSpeech-2数据集的2,000个样本。

依赖项

要安装所有依赖项，请运行

pip3 install -r requirements.txt

指标

采用词错率(WER)和说话人相似度(SIM)指标进行客观评估。

  • 对于WER，我们分别使用Whisper-large-v3和Paraformer-zh作为英语和中文的自动语音识别(ASR)引擎。
  • 对于SIM，我们使用在说话人验证任务上微调的WavLM-large（模型链接）来获取说话人嵌入，用于计算每个测试语音与参考音频片段的余弦相似度。

数据集

您可以从此链接下载所有任务的测试集。 测试集主要使用元文件方法组织。元文件中每行的含义：文件名 | 提示文本 | 提示音频 | 待合成文本 | 待合成文本对应的真实音频（如果存在）。对于不同的任务，我们采用不同的元文件：

  • 零样本文本转语音(TTS)：
    • 英语：en/meta.lst
    • 中文：zh/meta.lst
    • 中文（困难案例）：zh/hardcase.lst
  • 零样本声音转换(VC)：
    • 英语：en/non_para_reconstruct_meta.lst
    • 中文：zh/non_para_reconstruct_meta.lst

代码

我们还发布了两个指标的评估代码：

# WER
bash cal_wer.sh {元文件路径} {合成音频目录} {语言：zh或en}
# SIM
bash cal_sim.sh {元文件路径} {合成音频目录} {path/wavlm_large_finetune.pth}

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多