C'est le seul corpus du projet bati sur des locuteurs humains reels et non sur des timbres synthetiques : le francais, le mauricien, le ngiemboon et le malgache passent tous par un clonage, faute de voix disponibles.

Structure

colonne	exemple
`id`	`en_3185_train.clean._00117`
`speaker_id`	`429` — index, 0 a 1035
`speaker_name`	`libritts_3185`
`text`	`When the king heard that, he warned all the court not to lau…`
`text_phonemized`	vide — voir plus bas
`audio`	FLAC mono 24 kHz, octets embarques
`duration`	`3.60` secondes

from datasets import load_dataset
d = load_dataset("mimba/multivoice-en", split="train")

Comment il a ete trie

Sur 117,398 enonces disponibles :

duree entre 1.5 et 15.0 s ;
sifflement mesure avant selection : part d'energie 6,5-13 kHz par trame de ~23 ms, p90 <= 0.5 ;
15 clips par voix au maximum, tires AU HASARD parmi ceux qui passent — et non les moins sifflants, ce qui aurait selectionne les enonces les plus courts et les plus sourds de chaque locuteur ;
au moins 15 clips par voix retenue.

Le plafond est bas a dessein : LibriTTS-R offrirait quatre fois plus de clips, mais l'anglais ecraserait alors les autres langues d'un entrainement multilingue. A 15 clips par voix, toute la diversite de locuteurs est conservee pour un volume comparable aux autres corpus du projet.

Phonemes

text_phonemized est vide : la phonemisation depend d'une decision non tranchee sur le vocabulaire de BlueTTS — notamment l'ajout de marqueurs de langue, sans lesquels le modele confond les prosodies du francais et des creoles a base francaise. Le texte brut est fourni, deja normalise par LibriTTS-R.

Downloads last month: 85

Total file size:

2.54 GB