愛數(shù)智慧發(fā)布中文普通話真·萌童聲TTS開源數(shù)據(jù)集

　 一鍵部署OpenClaw

11月20日，愛數(shù)智慧發(fā)布中文普通話真·萌童聲語(yǔ)音合成(TTS)開源數(shù)據(jù)集。該數(shù)據(jù)集由真童聲錄制，為中文童聲語(yǔ)音合成數(shù)據(jù)集子集，時(shí)長(zhǎng)為15分鐘，文本主要為日常用語(yǔ)。據(jù)了解，數(shù)據(jù)集全集包含2235句話，時(shí)長(zhǎng)超2小時(shí)。這也是該童聲第一次用于TTS錄制。

隨著智能終端市場(chǎng)的擴(kuò)張，人機(jī)交互逐漸成為與智能世界對(duì)話的入口。在人機(jī)互動(dòng)過程中，語(yǔ)音合成(TTS)的自然度和表現(xiàn)力是用戶最能直觀感受到的部分。用戶使用智能設(shè)備的頻率增加，對(duì)合成語(yǔ)音的期望值也不斷提高。

TTS數(shù)據(jù)是影響語(yǔ)音合成效果的重要因素。由于TTS數(shù)據(jù)的采集和標(biāo)注要求嚴(yán)格，因而成品數(shù)據(jù)集較少。從采集環(huán)節(jié)來(lái)看，錄音需要在專業(yè)的錄音棚中進(jìn)行，并嚴(yán)格控制噪聲水平，才能最大限度還原發(fā)音人聲音。錄音過程中還需要有專業(yè)的錄音師和監(jiān)聽人在場(chǎng)，便于及時(shí)矯正錄音過程中的錯(cuò)誤。從標(biāo)注環(huán)節(jié)來(lái)看，TTS數(shù)據(jù)標(biāo)注分為4個(gè)層級(jí)，包括發(fā)音校對(duì)、韻律層級(jí)、音素邊界切分和分詞詞性。為了充分保留發(fā)音人的語(yǔ)義表達(dá)和發(fā)音習(xí)慣，標(biāo)注準(zhǔn)確率要求一般在99%左右。

智能設(shè)備使用者“低齡化”趨勢(shì)明顯，從而帶動(dòng)了童聲數(shù)據(jù)的需求。受制于兒童識(shí)字水平和配合情況，市面上童聲TTS數(shù)據(jù)庫(kù)數(shù)量較少，且多為成年人模仿。童聲TTS語(yǔ)料庫(kù)呈現(xiàn)出明顯的供需不平衡。

本次愛數(shù)智慧發(fā)布的TTS童聲開源數(shù)據(jù)集采集環(huán)境為符合NC-20標(biāo)準(zhǔn)的錄音間并根據(jù)兒童發(fā)音習(xí)慣對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)寫和全鏈條標(biāo)注?？紤]到句內(nèi)停頓和句間停頓對(duì)聽感的影響，在音素邊界切分環(huán)節(jié)，標(biāo)注人員除了對(duì)聲韻母邊界進(jìn)行切分外，還對(duì)句中靜音段和句首尾進(jìn)行精準(zhǔn)切分。

發(fā)音人是影響TTS數(shù)據(jù)質(zhì)量的重要因素。該數(shù)據(jù)集的發(fā)音人為4歲小朋友妞妞。2019年初，發(fā)音韻律好的妞妞在上百位4-6歲小朋友中脫穎而出。因?yàn)榘l(fā)音韻律好能為用戶帶來(lái)更好的聽感。

在與愛數(shù)智慧工作人員接觸中，我們了解到妞妞性格活潑開朗，喜歡看冰雪奇緣和小馬寶莉。在錄制休息期間，想要看動(dòng)畫片時(shí)，就會(huì)黏著工作人員撒嬌。錄制工作已經(jīng)結(jié)束很久，工作人員在提起妞妞時(shí)，言語(yǔ)間還是充滿著濃濃的不舍與贊賞。這份由衷的贊賞，也讓我們對(duì)這個(gè)真·萌童聲充滿期待!

為智能世界提供充足的數(shù)據(jù)生產(chǎn)力是這家公司創(chuàng)立的初衷。我們也期待愛數(shù)智慧用更多高質(zhì)量的數(shù)據(jù)解鎖更多應(yīng)用場(chǎng)景，服務(wù)更廣域的客戶。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！