超大杯 Emilia-Large

自初代 Emilia 数据集发布以来，全球已有超过700家顶尖机构与实验室申请使用，累计下载量突破15万次！

今天，我们正式推出全新升级的Emilia-Large数据集，带来以下三大核心提升：

1️⃣数据总量大幅提升：在原有 Emilia101k小时数据的基础上，新增 Emilia-YODAS114k小时的全新数据，开源总量突破200k小时，再次刷新开源 TTS 数据集的规模上限！

2️⃣小语种数据显著扩充：增加更多德语、法语、韩语等低资源语言数据，TTS 技术不再局限于中英文，助力全球多语言应用！

3️⃣商业化限制放宽：原 Emilia 数据集基于 CC-BY-NC 协议，而新增的 Emilia-YODAS 数据基于 CC-BY 协议，全面支持各类商业化应用，赋能更多创新场景！

图：Emilia-Large 的数据分布

除了数据本身的升级，我们在相关论文中深入探讨了以下研究问题：

👉In-the-wild 数据与传统有声书数据的优势对比

👉数据规模与TTS性能之间的关系

👉多语言（multilingual）与跨语言（crosslingual）TTS的效果比较

Emilia-Large数据集的发布，标志着我们在 TTS 领域的技术开放与共享迈出了重要一步。我们期待与全球开发者携手，共同推动语音技术的进步与普及，赋能更多创新应用场景！