InstructTTSEval

מה זה

המאגר מציע סט מבחן של 2,000 דוגמאות בסך הכל, המחולקות שווה בשווה בין אנגלית לסינית. המטרה כאן אינה אימון בסיסי אלא בדיקה היררכית של יכולת המודל ליישם סגנון דיבור לפי שלוש רמות קושי שונות. הכרטיס לא מפרט מאיפה הוקלט או נאסף האודיו המקורי, אלא מתמקד במבנה המשימות שהוגדרו עבורו.

כל רשומה כוללת את הטקסט להקראה, קובץ שמע להשוואה, ושלושה סוגי הנחיות טקסטואליות. ההנחיה הראשונה מפרטת פרמטרים אקוסטיים מדויקים כמו מהירות, גובה צליל ועוצמה. ההנחיה השנייה נותנת תיאור סגנוני כללי ומופשט יותר, והשלישית דורשת משחק תפקידים מלא והתאמת קול לדמות מתוך תרחיש ספציפי.

מתאים ל

• בנצ'מרק להוראות סגנון

  בדיקת יכולת המודל ליישם שליטה אקוסטית מדויקת לפי הנחיות טקסט של גובה קול ועוצמה.

• הערכת משחק תפקידים בקול

  מדידת ההתאמה של מנוע דיבור לתרחישי שיחה מורכבים ולדמויות מוגדרות מראש.

• השוואת מודלי TTS באנגלית

  הרצת מבחן אחיד ומתוקנן לבדיקת איכות סינתזת דיבור מול קולות ייחוס קיימים.

איפה זה נופל

זהו סט מבחן קטן של אלף דוגמאות לכל שפה, כך שהוא לא מיועד לאימון מודלים מאפס. מעבר לזה, המאגר מוגבל אך ורק לאנגלית וסינית. אין בו מילה אחת בעברית או תמיכה במבטאים שרלוונטיים לשוק המקומי, ולכן אי אפשר ללמוד ממנו על התנהגות מודל ישראלי. הכרטיס גם לא מספק מידע על מקור קולות הייחוס, מה שמקשה לאתר הטיות מובנות בהקלטות.

איך טוענים

טוענים אותו ישירות דרך ספריית datasets בפייתון בעזרת הפקודה load_dataset עם המזהה CaasiHUANG/InstructTTSEval. המאגר ציבורי לחלוטין ואינו דורש אישור גישה מראש. הנתונים מאורגנים בשני קבצי Parquet נפרדים לשפות en ו־zh, כאשר קבצי השמע מוטמעים ישירות בתוכם כדגימות WAV בתדר 16kHz לצד שדות הטקסט וההוראות.

from datasets import load_dataset

ds = load_dataset("CaasiHUANG/InstructTTSEval")

הרישיון

המאגר מופץ תחת רישיון MIT. מותר להשתמש בו לצרכים מסחריים ומחקריים, לשנות אותו ולשלב אותו במוצרים, בתנאי ששומרים על הודעת זכויות היוצרים המקורית. הרישיון אינו כופה פתיחת קוד על מודלים שפותחו או נבדקו בעזרתו.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗