上个月，香港中文大学（深圳）联合中国科学院声学研究所、上海人工智能实验室等机构推出了涵盖6种语言、超过10万小时的多样化语音生成数据集——Emilia，并在 GitHub 平台上开源了数据预处理框架 Emilia-Pipe。

详情请见：6种语言超过10万小时语音生成数据集Emilia。

近日，Amphion团队在 Hugging Face和OpenDataLab 平台上开源了 Emilia数据集。这一数据集是全球最大且最为多样的多语言语音数据集之一，助力多语种语音生成与研究。🎉🎉🎉

可通过以下链接免费下载并立即开始使用：


Emilia数据集简介：

  • 📢 超10万小时的真实语音数据，采集自互联网各大平台，包括脱口秀、访谈、辩论、体育解说、有声书等内容；

  • 🌍 支持6种语言：英语（En）、中文（Zh）、德语（De）、法语（Fr）、日语（Ja）、韩语（Ko）；

  • 🎙 丰富的说话风格，涵盖多种内容题材，满足不同应用场景下的大规模语音生成需求；

  • 💪 训练效果对标SOTA，基于 Emilia 数据集训练的 TTS 系统可以跟 SeedTTS、ChatTTS 等开源和商业系统/模型的主观/客观指标对标。


Emilia数据多样性分析
通过 Emilia 数据集，研究者和开发者可以进行大规模语音生成模型的训练和开发，为多语言环境下的语音应用提供强有力的支持！期待大家在使用 Emilia 数据集时能够发掘更多惊喜，欢迎分享您的研究成果与经验！
⚠️请注意：该数据集仅可用于非商业科研目的，Amphion 团队不拥有这些音频文件的版权，版权仍归原始视频或者音频的所有者。想把该数据预处理框架用于商业用途或定制大规模数据集，请联系Amphion团队。