Emilia-Dataset amphion

Emilia: An Extensive, Multilingual, and Diverse Speech Dataset for Large-Scale Speech Generation This is the official repository 👑 for the Emilia dataset and the source code for the Emilia-Pipe speech data preprocessing pipeline. News 🔥 2025/02/26: The Emilia-Large dataset, featuring over 200,000 hours of data, is now available!!! Emilia-Large combines the original 101k-hour Emilia dataset (licensed under CC BY-NC 4.0) with the brand-new 114k-hour Emilia-YODAS… See the full description on the dataset page: https://huggingface.co/datasets/amphion/Emilia-Dataset.

类型
dataset
许可
cc-by-4.0
语言
zh
下载量
51,576
点赞
477
访问
gated
文件
0

标签

  • 音频数据集
  • 语音合成
  • 音频数据处理
  • 语音
  • 多语言
  • 预训练语料
  • 文本生成语音

摘要

Emilia 是一个面向大规模语音生成的多语言多样化语音数据集,提供超20万小时(Emilia-Large)的高质量语音数据,涵盖多种语言与说话场景。该项目还包含 Emilia-Pipe 语音数据预处理管线源码,用于系统化清洗和构建高质量语音训练语料。适用于大模型语音合成、语音克隆与文本生成语音等语音生成任务的预训练与微调。

查看完整页面 · 查看原文