AniSpeech

מה זה

הנתונים כוללים קטעי קול מתחום האנימה בליווי כיתובים, שנועדו לאימון מודלי טקסט לדיבור. כל דובר מקבל מזהה נפרד, והחומרים מחולקים לפי שפות כאשר הקבצים הזמינים הם באנגלית בלבד. היוצרים מציינים שהם מוסיפים דגימות באופן שוטף ככל שמתבצע תיוג נוסף.

הסינון לא נעשה באופן ידני מלא על כל פריט בגלל היקף המידע, אלא התבסס על הערכת איכות כללית. הכרטיס מציין שהמבנה המקורי התאים לפורמט של LJSpeech, אך בהמשך שונה כדי לשפר את איכות התמלולים, עם כוונה עתידית לספק סקריפטים להמרה חזרה.

מתאים ל

• אימון מודל רב דוברים

  לימוד מודלי בסיס לטקסט לדיבור להתמודד עם מגוון אינטונציות וקולות שונים.

• התאמת סגנון דיבור דרמטי

  כיול מודל קיים להפקת גווני קול ומשחק קולי מודגש באנגלית.

• בדיקת חוסן תמלול

  הערכת עמידות של מודלי שמע מול טעויות תיוג וחלוקת דוברים משובשת.

איפה זה נופל

ההסתמכות על בדיקות איכות כלליות גורמת לחלוקת דוברים לא מדויקת, ולכן המאגר לא מתאים לאימון מודלים שמתמקדים בקול יחיד. תמלולים מסוימים עלולים להכיל שגיאות, ואיכות האודיו אינה אחידה לכל אורך הנתונים. המאגר מוגבל לאנגלית ואין בו נתונים בעברית.

איך טוענים

הנתונים מחולקים למבנה של 39 קובצי parquet תחת תיקיית המידע באנגלית, לצד קובצי תיעוד ורישיון. הטעינה נעשית ישירות דרך ספריית הדאטהסטים באמצעות המזהה ShoukanLabs/AniSpeech, ללא צורך באישור גישה מוקדם או בהרשמה מיוחדת. השדות הרלוונטיים לעבודה הם מזהה הדובר, קובץ השמע והתמלול המצורף.

from datasets import load_dataset

ds = load_dataset("ShoukanLabs/AniSpeech")

הרישיון

המאגר מופץ תחת רישיון MIT. הרישיון מתיר שימוש חופשי כולל שימוש מסחרי, שינוי והפצה מחדש, ואינו כופה שיתוף של מודלים שאומנו תחת אותו רישיון, בתנאי ששומרים על הודעת זכויות היוצרים המקורית.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא ב־Hugging Face ↗