谁觉得这个声音更吸引人？基于野生数据的大规模实验
音频与语音处理
2024-07-08 v1 声音
摘要
本文介绍CocoNut-Humoresque，这是一个开源的大规模语音可接受性语料库，包含语音段及其每位听者的可接受性评分。评估语音可接受性对于设计可接受的语音系统至关重要，例如对话或公告系统。在本研究中，我们让885名听者对1800段来自不同说话人的语音段进行可接受性评级。构建语料库时，我们还收集了多个说话人属性：性别、年龄和最喜欢的YouTube视频。因此，该语料库使我们能够对语音可接受性进行大规模统计分析，涉及说话人和听者因素。本文描述了构建方法和初步数据分析，以揭示语音可接受性中的性别和年龄偏见。此外，还研究了可接受性与两种声学特征（基频和x-vectors）之间的关系。
引用
@article{arxiv.2407.04270,
title = {Who Finds This Voice Attractive? A Large-Scale Experiment Using In-the-Wild Data},
author = {Hitoshi Suda and Aya Watanabe and Shinnosuke Takamichi},
journal= {arXiv preprint arXiv:2407.04270},
year = {2024}
}
备注
Accepted at Interspeech 2024