EARS数据集

我们发布了表达性无回声语音录音（EARS）数据集。

如果您使用该数据集或其任何衍生品，请引用我们的论文

@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}
}

如需音频样本或生成语音增强基准的脚本，请访问项目页面。

亮点

• 来自107位说话者的100小时语音数据
• 在无回声室内以48 kHz采样率进行的高质量录音
• 高度多样化的说话者，包括不同种族和18至75岁年龄范围的说话者
• 人类语音的全动态范围，从耳语到大喊
• 每位说话者18分钟的自由形式独白
• 以7种不同阅读风格进行的句子朗读（正常、大声、耳语、高音调、低音调、快速、缓慢）
• 情感阅读和自由形式任务，涵盖每位说话者的22种不同情绪

下载EARS数据集

使用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

使用python

运行EARS下载脚本

python download_ears.py

下载带有噪声语音的盲测试集

使用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

使用python

运行盲测试集下载脚本

python download_blind_testset.py

统计数据和转录文本

107位说话者的统计数据（年龄、种族、性别、体重、身高、母语）收集在speaker_statistics.json中。

数据集阅读部分的转录文本可在transcripts.json中找到。

许可证

代码和数据集根据CC-NC 4.0国际许可证发布。