VoxSim：感知语音相似性数据集
音频与语音处理
2024-07-29 v1
摘要
本文介绍了VoxSim数据集，包含感知语音相似性评分。近期 efforts 自动评估语音合成技术主要聚焦于预测自然度的平均意见分数（mean opinion score of naturalness），而说话人语音相似性方面由于缺乏大规模训练数据，相对缺乏探索。为此，我们从VoxCeleb数据集中生成约41000个句子对，收集近70000个说话人相似性评分。VoxSim为开发和基准测试说话人相似性预测模型提供了宝贵资源。我们给出VoxSim测试集上说话人相似性预测模型的基线结果，并进一步演示了在VoxSim数据集上训练的模型对外部域VCC2018数据集的泛化能力。
引用
@article{arxiv.2407.18505,
title = {VoxSim: A perceptual voice similarity dataset},
author = {Junseok Ahn and Youkyum Kim and Yeunju Choi and Doyeop Kwak and Ji-Hoon Kim and Seongkyu Mun and Joon Son Chung},
journal= {arXiv preprint arXiv:2407.18505},
year = {2024}
}
备注
INTERSPEECH 2024. The dataset is available from https://mm.kaist.ac.kr/projects/voxsim/