Dataset Viewer
Auto-converted to Parquet Duplicate
audio
audioduration (s)
1.15
21
id
stringlengths
19
19
text
stringlengths
20
130
ipa
stringlengths
16
397
duration
float32
1.15
21
wavs/utt_018312.wav
Él siempre pasea con un libro en la mano.
ˈel sjˈempɾe pasˈea kon ˈun lˈiβɾo en la mˈano.
2.6
wavs/utt_027977.wav
¿De verdad quieres saber?
¿de βeɾðˈad kjˈeɾes saβˈeɾ?
1.725
wavs/utt_038824.wav
Cada flor sólo dura una noche.
kˈaða flˈoɾ sˈolo ðˈuɾa ˈuna nˈoʧe.
2.225
wavs/utt_010711.wav
Si se comporta bien, sanará.
si se kompˈoɾta βjˈen, sˌanaɾˈa.
2.15
wavs/utt_016811.wav
México: Mujeres a la cárcel en Guanajuato por abortos espontáneos
mˈɛxiko: muxˈeɾes a la kˈaɾθel eŋ ɡwˌanaxwˈato poɾ aβˈoɾtos ˌespontˈaneos
4.075
wavs/utt_022661.wav
Asimismo, contribuye al objetivo más general de integrar a los pueblos de la Comunidad Europea.
ˌasimˈismo, kˌontɾiβˈuʝe al ˌoβxetˈiβo mˈas xˌeneɾˈal ðe ˌinteɣɾˈaɾ a los pwˈeβlos ðe la kˌomuniðˈað ˌeʊɾopˈea.
5.7
wavs/utt_007820.wav
Por cierto, creo que eres muy lindo.
poɾ θjˈeɾto, kɾˈeo ke ˈeɾes mˈuj lˈindo.
2.475
wavs/utt_039529.wav
Este escritorio es el mío.
ˈeste ˌeskɾitˈoɾjo ˈes el mˈio.
2
wavs/utt_025736.wav
El proyecto es una iniciativa del municipio.
el pɾoʝˈekto ˈes ˈuna ˌiniθjatˈiβa ðel mˌuniθˈipjo.
3.05
wavs/utt_031465.wav
Puedes seguir el camino que desees.
pwˈeðes seɣˈiɾ el kamˈino ke ðesˈees.
2.325
wavs/utt_042561.wav
Pero aun así van a recibir al menos una queja.
pˌeɾo ˈWn asˈi βˈan a rˌeθiβˈiɾ al mˈenos ˈuna kˈexa.
3.125
wavs/utt_001274.wav
El que sembró su maíz, que se coma su pinole.
el ke sembɾˈo su maˈiθ, ke se kˈoma su pinˈole.
2.775
wavs/utt_053898.wav
Status, si lo consigue.
stˈatus, si lo konsˈiɣe.
1.7
wavs/utt_056070.wav
La oración, "Esta oración es gramaticalmente correcta." es gramaticalmente correcta.
la ˌoɾaθjˈon, "ˈesta ˌoɾaθjˈon ˈes ɣɾˌamatikˈalmˈente korˈekta." ˈes ɣɾˌamatikˈalmˈente korˈekta.
5.175
wavs/utt_012476.wav
Y tú eres muy amable.
i tˈu ˈeɾes mˈuj amˈaβle.
1.725
wavs/utt_008968.wav
Déjame conducir tu nuevo Toyota.
dˈexame kˌonduθˈiɾ tu nwˈeβo toʝˈota.
2.45
wavs/utt_045883.wav
- ¿Cómo? - Ataque Cardíaco.
¿kˈomo? atˈake kaɾðˈiako.
1.85
wavs/utt_020600.wav
Todo pasa por una razón.
tˈoðo pˈasa poɾ ˈuna raθˈon.
1.975
wavs/utt_054688.wav
¿Sabes? A ella le gustan los animales.
¿sˈaβes? a ˈeʎa le ɣˈustan los ˌanimˈales.
2.425
wavs/utt_030547.wav
Un día te despertarás y te encontrarás muerto.
ˈun dˈia te ðˌespeɾtaɾˈas i te ˌenkontɾaɾˈas mwˈeɾto.
3.025
wavs/utt_059127.wav
La palabra "tomorrow" lleva el acento en la segunda sílaba.
la palˈaβɾa "tˌomorˈow" ʎˈeβa el aθˈɛnto en la seɣˈunda sˈilaβa.
3.575
wavs/utt_046258.wav
A mi abuelo le encanta leer.
a mi aβwˈelo le enkˈanta leˈeɾ.
1.95
wavs/utt_023339.wav
Che, me puse tetas, no me abrí el corazón.
ʧˈe, me pˈuse tˈetas, nˈo me aβɾˈi el kˌoɾaθˈon.
2.625
wavs/utt_015589.wav
Estoy haciendo de todo para evitar pasar tiempo en casa.
estˈoɪ aθjˈɛndo ðe tˈoðo pˌaɾa ˌeβitˈaɾ pasˈaɾ tjˈempo en kˈasa.
3.575
wavs/utt_014549.wav
Acabo de ver ahora mismo que el embajador de Arabia Saudí ha dimitido.
akˈaβo ðe βˈeɾ aˈoɾa mˈismo ke el ˌembaxaðˈoɾ ðe aɾˈaβja sWðˈi ˈa ðˌimitˈiðo.
4.125
wavs/utt_013061.wav
Ven a la Estación del Alguacil. Confío en ti.
bˈen a la ˌestaθjˈon del ˌalɣwaθˈil. konfˈio en tˈi.
2.725
wavs/utt_029331.wav
¿No terminaré en su lista negra no?
¿nˈo tˌeɾminaɾˈe en su lˈista nˈeɣɾa nˈo?
2.475
wavs/utt_046376.wav
Eran ridículos en esos plastas del club de ajedrez.
ˈeɾan riðˈikulos en ˈesos plˈastas ðel klˈub ðe ˌaxeðɾˈeθ.
3.475
wavs/utt_002820.wav
¿Me puedo comer este pastel?
¿me pwˈeðo komˈeɾ ˈeste pastˈel?
2
wavs/utt_021869.wav
Se abre la sesión a las 15.10 horas.
se ˈaβɾe la sesjˈon a las kˈinθe.djˈɛθ ˈoɾas.
2.675
wavs/utt_040539.wav
Ahora disfruto de mi nuevo estilo de vida.
aˈoɾa ðisfɾˈuto ðe mi nwˈeβo estˈilo ðe βˈiða.
2.6
wavs/utt_021545.wav
- No quiso que fuéramos amigos.
nˈo kˈiso ke fwˈeɾamos amˈiɣos.
1.975
wavs/utt_030796.wav
Nadie más construye camuflaje, nadie más puede permitírselo.
nˈaðje mˈas konstɾˈuʝe kˌamuflˈaxe, nˈaðje mˈas pwˈeðe pˌeɾmitˈiɾselo.
3.825
wavs/utt_000851.wav
Ella no es la mujer que era antes de casarse.
ˈeʎa nˈo ˈes la muxˈeɾ ke ˈeɾa ˈantes ðe kasˈaɾse.
2.875
wavs/utt_026652.wav
Él es conocido por todos.
ˈel ˈes kˌonoθˈiðo poɾ tˈoðos.
1.85
wavs/utt_059907.wav
Ver a Greído y Meep me hizo desear un poco de romance.
bˈeɾ a ɣɾeˈiðo i meˈep me ˈiθo ðˌeseˈaɾ ˈum pˈoko ðe romˈanθe.
3.325
wavs/utt_057546.wav
Aromas frutales propios de la variedad.
aɾˈomas fɾutˈales pɾˈopjos ðe la βˌaɾjeðˈad.
2.525
wavs/utt_022657.wav
Quien ha comenzado, ha hecho la mitad.
kjen ˈa kˌomenθˈaðo, ˈa ˈeʧo la mitˈad.
2.3
wavs/utt_031693.wav
En cuanto me enteré que Luigi había involucrado a la mafia rusa, me puse furioso.
en kwˌanto me ˌenteɾˈe ke luˈixi aβˈia ˌimbolukɾˈaðo a la mˈafja rˈusa, me pˈuse fuɾjˈoso.
4.7
wavs/utt_038734.wav
No podemos olvidarlas...
nˈo poðˈemos ˌolβiðˈaɾlas...
1.7
wavs/utt_006016.wav
María tiene clase de piano una vez a la semana.
maɾˈia tjˈene klˈase ðe pjˈano ˈuna βˈeθ a la semˈana.
3.075
wavs/utt_054112.wav
- No estoy bromeando.
nˈo estˈoɪ βɾˌomeˈando.
1.6
wavs/utt_019897.wav
Michelle no tiene problemas.
miʧˈeʎe nˈo tjˈene pɾoβlˈemas.
2.025
wavs/utt_042085.wav
Él miró a su alrededor, pero no había nadie.
ˈel miɾˈo a su ˌalreðeðˈoɾ, pˌeɾo nˈo aβˈia nˈaðje.
2.75
wavs/utt_057035.wav
- El espectáculo ha llegado, nena.
el ˌespektˈakulo ˈa ʎeɣˈaðo, nˈena.
2.25
wavs/utt_008306.wav
Le gusta el jazz, y a mí también.
le ɣˈusta el ʤˈas, i a mˈi tambjˈen.
1.975
wavs/utt_028943.wav
Tienes un montón de libros.
tjˈenes ˈun montˈon de lˈiβɾos.
1.95
wavs/utt_060253.wav
Ella me pidió ayuda cuando tenía problemas.
ˈeʎa me piðjˈo aʝˈuða kwˌando tenˈia pɾoβlˈemas.
2.85
wavs/utt_050439.wav
Él llegaba en el momento en que nos íbamos.
ˈel ʎeɣˈaβa en el momˈɛnto en ke nos ˈiβamos.
2.675
wavs/utt_010241.wav
Y esa es la letra del capitán, escrita con una pluma.
i ˈesa ˈes la lˈetɾa ðel kˌapitˈan, eskɾˈita kon ˈuna plˈuma.
3.325
wavs/utt_030156.wav
Yo sé muy bien que vos me vas a decir que sí. ¿Por qué yo te mentiría a vos?
ʝˈo sˈe mˈuj βjˈen ke βˈos me βˈas a ðeθˈiɾ ke sˈi. ¿poɾ kˈe ʝˈo te mˌentiɾˈia a βˈos?
4.725
wavs/utt_040018.wav
¿Por qué he sido confinada así?
¿poɾ kˈe ˈe sˈiðo kˌonfinˈaða asˈi?
2.2
wavs/utt_033620.wav
Como consecuencia de la fusión Universal/PolyGram, la banda se separó de Interscope.
kˌomo kˌonsekwˈɛnθja ðe la fusjˈon ˌuniβeɾsˈal βˈara pˈoli ɣɾˈam, la βˈanda se sˌepaɾˈo ðe ˌinteɾskˈope.
5.575
wavs/utt_044859.wav
Él pidió que le dieran de comer.
ˈel piðjˈo ke le ðjˈeɾan de komˈeɾ.
2.1
wavs/utt_015019.wav
Estoy satisfecho con su progreso.
estˈoɪ sˌatisfˈeʧo kon su pɾoɣɾˈeso.
2.5
wavs/utt_015783.wav
Los últimos serán los últimos si los primeros son inalcanzables.
los ˈultimos seɾˈan los ˈultimos si los pɾimˈeɾos sˈon ˌinalkanθˈaβles.
4.125
wavs/utt_058864.wav
Fíjese en la serie de fracturas deprimidas en forma de estrella.
fˈixese en la sˈeɾje ðe fɾaktˈuɾas ðˌepɾimˈiðas en fˈoɾma ðe estɾˈeʎa.
3.825
wavs/utt_001955.wav
Necesité tres horas para escribir esta carta.
nˌeθesitˈe tɾˈes ˈoɾas pˌaɾa ˌeskɾiβˈiɾ ˈesta kˈaɾta.
3
wavs/utt_021393.wav
Aqua Pearls juegos tienen un período de prueba gratuita.
ˈakwa peˈaɾls xwˈeɣos tjˈenen ˈum peɾˈioðo ðe pɾuˈeβa ɣɾatwˈita.
3.425
wavs/utt_014788.wav
Soy un hombre-orquesta.
sˈoɪ ˈun ˈombɾeoɾkˈesta.
1.625
wavs/utt_040609.wav
Sé que los últimos días han sido complicados, pero aún así...
sˈe ke los ˈultimos ðˈias ˈan sˈiðo kˌomplikˈaðos, pˌeɾo aˈun asˈi...
3.675
wavs/utt_026735.wav
Hacía tres años que Madrugadâo no salía del cerro.
aθˈia tɾˈes ˈaɲos ke mˌaðɾuɣaðˈao nˈo salˈia ðel θˈero.
3.35
wavs/utt_058779.wav
¿Este muro se construyó para mantener a la gente fuera o para mantenerla dentro?
¿ˈeste mˈuɾo se kˌonstɾuʝˈo pˌaɾa mˌantenˈeɾ a la xˈɛnte fwˈeɾa o pˌaɾa mˌantenˈeɾla ðˈɛntɾo?
4.8
wavs/utt_037927.wav
Íbamos a jugar ajedrez por un tiempo.
ˈiβamos a xuɣˈaɾ ˌaxeðɾˈeθ poɾ ˈun tjˈempo.
2.5
wavs/utt_054349.wav
Lo que dijo en su entrevista tiene sentido.
lo ke ðˈixo en su ˌentɾeβˈista tjˈene sentˈiðo.
2.9
wavs/utt_044442.wav
Es contra las reglas.
ˈes kˈontɾa las rˈeɣlas.
1.55
wavs/utt_019299.wav
Quiero vender mi guitarra.
kjˈeɾo βendˈeɾ mi ɣitˈara.
1.8
wavs/utt_051485.wav
Ella dijo que le gusto.
ˈeʎa ðˈixo ke le ɣˈusto.
1.725
wavs/utt_055935.wav
Las manos flojas y vagas no traen nada más que pobreza, las manos fuertes y trabajadoras reúnen riqueza.
las mˈanos flˈoxas i βˈaɣas nˈo tɾˈaen nˈaða mˈas ke poβɾˈeθa, las mˈanos fwˈeɾtes i tɾˌaβaxaðˈoɾas reˈunen rikˈeθa.
6.475
wavs/utt_040073.wav
Ulán Bator es la capital de Mongolia.
ulˈam batˈoɾ ˈes la kˌapitˈal ðe moŋɡˈolja.
2.6
wavs/utt_004024.wav
Kenji juega al tenis.
kˈɛŋxi xwˈeɣa al tˈenis.
1.75
wavs/utt_016193.wav
¿Quién le ha enseñado a bailar?
¿kjˈen le ˈa ˌenseɲˈaðo a βIlˈaɾ?
2
wavs/utt_014592.wav
Todavía me acuerdo de la primera vez.
tˌoðaβˈia me akwˈeɾðo ðe la pɾimˈeɾa βˈeθ.
2.625
wavs/utt_014083.wav
¿Necesitas ayuda, pequeña? No, estoy bien.
¿nˌeθesˈitas aʝˈuða, pekˈeɲa? nˈo, estˈoɪ βjˈen.
2.9
wavs/utt_047876.wav
El reinado de Felipe II duró cuarenta años.
el rAnˈaðo ðe felˈipe ðˈos ðuɾˈo kwaɾˈɛnta ˈaɲos.
2.95
wavs/utt_005302.wav
¿Logrará Quebec escindirse?
¿lˌoɣɾaɾˈa keβˈek ˌesθindˈiɾse?
1.975
wavs/utt_027609.wav
Quiero decir... a reconstruir las cosas.
kjˈeɾo ðeθˈiɾ... a rˌekonstɾuˈiɾ las kˈosas.
2.525
wavs/utt_034077.wav
Aprendimos a leer inglés.
ˌapɾendˈimos a leˈeɾ iŋɡlˈes.
1.975
wavs/utt_028822.wav
Ninguna de las flores es de plástico.
niŋɡˈuna ðe las flˈoɾes ˈes ðe plˈastiko.
2.5
wavs/utt_003738.wav
Usted es más alta que ella.
ustˈeð ˈes mˈas ˈalta ke ˈeʎa.
2.175
wavs/utt_028696.wav
Lo siento, no estoy interesado.
lo sjˈɛnto, nˈo estˈoɪ ˌinteɾesˈaðo.
2.2
wavs/utt_045011.wav
¿Cuándo compraste este video?
¿kwˈando kompɾˈaste ˈeste βiðˈeo?
2.125
wavs/utt_003050.wav
Los corazones de la gente estaban inundados por el miedo.
los kˌoɾaθˈones ðe la xˈɛnte estˈaβan ˌinundˈaðos poɾ el mjˈeðo.
3.55
wavs/utt_060965.wav
Ranjit, él simplemente es un genio
raŋxˈit, ˈel sˈimplemˈente ˈes ˈuŋ xˈenjo
2.325
wavs/utt_008735.wav
- y ni siquiera me hace una crítica.
i nˈi sikjˈeɾa me ˈaθe ˈuna kɾˈitika.
2.325
wavs/utt_006874.wav
Quiero decir, las razones de Ethan para no abrir un negocio realmente tienen sentido.
kjˈeɾo ðeθˈiɾ, las raθˈones ðe ˈetam pˌaɾa nˈo aβɾˈiɾ ˈun neɣˈoθjo reˈalmˈente tjˈenen sentˈiðo.
5.075
wavs/utt_007288.wav
El presidente amablemente respondió mi carta.
el pɾˌesiðˈɛnte amˈaβlemˈente rˌespondjˈo mi kˈaɾta.
3.15
wavs/utt_016555.wav
Ahora estoy tocando el piano.
aˈoɾa estˈoɪ tokˈando el pjˈano.
1.975
wavs/utt_024582.wav
¿Qué animal es pequeño?
¿kˈe ˌanimˈal ˈes pekˈeɲo?
1.75
wavs/utt_017022.wav
Gracias por tu colaboración.
ɡɾˈaθjas poɾ tu kˌolaβˌoɾaθjˈon.
2.025
wavs/utt_001850.wav
Él escuchaba con la oreja pegada a la puerta.
ˈel ˌeskuʧˈaβa kon la oɾˈexa peɣˈaða a la pwˈeɾta.
2.875
wavs/utt_037345.wav
Todos cállense y siéntense.
tˈoðos kˈaʎense i sjˈentense.
2.175
wavs/utt_039523.wav
Medio hermano, al parecer.
mˈeðjo eɾmˈano, al pˌaɾeθˈeɾ.
1.925
wavs/utt_059431.wav
¿Dónde está tu tarjeta de puta?
¿dˈonde estˈa tu taɾxˈeta ðe pˈuta?
2.175
wavs/utt_034466.wav
En teoría, estoy haciendo matemática.
en tˌeoɾˈia, estˈoɪ aθjˈɛndo mˌatemˈatika.
2.6
wavs/utt_002825.wav
Hoy ella cumple diez años.
ˈoɪ ˈeʎa kˈumple ðjˈeθ ˈaɲos.
2.05
wavs/utt_015272.wav
Sí, 99, pero créeme que me alegra que estés ahí.
sˈi, noβˌɛntainwˈeβe, pˌeɾo kɾˈeeme ke me alˈeɣɾa ke estˈes aˈi.
3.55
wavs/utt_061684.wav
Dijo: "A tu edad tu padre andaba por ahí armado. "
dˈixo: "a tu eðˈad tu pˈaðɾe andˈaβa poɾ aˈi aɾmˈaðo. "
3.075
wavs/utt_059494.wav
¿Quieres intercambiar sombreros?
¿kjˈeɾes ˌinteɾkambjˈaɾ sombɾˈeɾos?
2.125
wavs/utt_000321.wav
Cometiste un error al rechazar su ayuda.
kˌometˈiste ˈun erˈoɾ al rˌeʧaθˈaɾ su aʝˈuða.
2.7
End of preview. Expand in Data Studio

🎙️ Matcha-TTS Multilingual Master Speech & Acoustic Datasets

Kho dữ liệu âm thanh đa ngôn ngữ chuẩn phòng thu SOTA, bao gồm:

  1. 10 bộ dữ liệu đa ngôn ngữ mới (~50h/ngôn ngữ, 440,434 mẫu) đóng gói theo chuẩn Parquet + FLAC Lossless 22,050 Hz + ZSTD kèm sẵn text, ipa và duration.
  2. Các kho dữ liệu gốc Tiếng Việt & Tiếng Anh quy mô lớn (SQUIM noise assessment, ECAPA-TDNN 192-d, Mel-spectrogram, F0 pitch contours, .tar.gz shards).

🌐 0. Các Bộ Dữ Liệu Đa Ngôn Ngữ Mới (Parquet + FLAC Lossless 22,050 Hz)

Config (name) Ngôn ngữ Nguồn tổng hợp train validation
es_kokoro_50h Tiếng Tây Ban Nha (es) Kokoro Studio (ef_dora) 58,608 3,084
fr_kokoro_50h Tiếng Pháp (fr) Kokoro Studio (ff_siwis) 53,152 2,797
it_kokoro_50h Tiếng Ý (it) Kokoro Studio (if_sara) 38,400 500
ko_melo_50h Tiếng Hàn (ko) MeloTTS / KSS 54,328 500
ms_omnivoice_50h Tiếng Mã Lai (ms) OmniVoice (Apache 2.0) 40,148 2,113
pt_kokoro_50h Tiếng Bồ Đào Nha (pt-BR) Kokoro Studio (pf_dora) 61,959 3,261
ru_kokoro_50h Tiếng Nga (ru) Kokoro Studio 29,233 1,538
sv_kokoro_50h Tiếng Thụy Điển (sv) Kokoro Studio 23,035 1,212
th_omnivoice_50h Tiếng Thái (th) OmniVoice (Apache 2.0) 35,887 500
tr_kokoro_50h Tiếng Thổ Nhĩ Kỳ (tr) Kokoro Studio 28,671 1,508

Cấu trúc cột (Schema) & Cách tải

  • Schema (22,050 Hz Mono FLAC): audio, id, text (giữ đầy đủ dấu câu , . ? ! : ;), ipa (chuỗi âm vị/bản địa chuẩn khớp vocab train), duration (float32).
  • Tải trực tiếp bằng datasets:
from datasets import load_dataset
ds = load_dataset("Cong123779/matcha-tts-multilingual-datasets", name="fr_kokoro_50h")
  • Khôi phục về train.txt / val.txt + wavs/ cho Matcha-TTS:
python3 scripts/hf_dataset_sync.py --action download --repo Cong123779/matcha-tts-multilingual-datasets --config fr_kokoro_50h --dataset_dir datasets/fr_kokoro_50h

Kho dữ liệu âm thanh đa ngôn ngữ (Tiếng Việt & Tiếng Anh) chuẩn phòng thu SOTA, được tiền xử lý và thẩm định toàn diện (SQUIM noise assessment, trích xuất vector âm sắc ECAPA-TDNN 192-d, căn chỉnh phụ đề JSON/timestamps, Mel-spectrogram & F0 pitch contours) phục vụ tối ưu cho việc huấn luyện và suy luận mô hình Matcha-TTS kết hợp Vocoder Vocos.


📌 I. Tổng Quan Các Bộ Dữ Liệu Trên Hugging Face

Toàn bộ dữ liệu âm thanh lớn được đóng gói thành các Shard tiêu chuẩn 2.5 GB – 3.0 GB (.tar.gz) để tối ưu hoá băng thông, tránh lỗi timeout và tương thích hoàn hảo với giới hạn Git LFS của Hugging Face.

matcha-tts-multilingual-datasets/
├── README.md                                  # Hướng dẫn chi tiết & đặc tính kỹ thuật
├── MASTER_DATASET_INVENTORY.md                # Bảng kiểm kê 1,363,144 mẫu chi tiết
├── speaker_centroids/                         # 36 Vector trọng tâm âm sắc (.npy) & manifest
│   ├── centroids_manifest.json
│   ├── vieneu_spk_01_centroid.npy ... vieneu_spk_23_centroid.npy
│   ├── english_master_centroid.npy, mtet_english_centroid.npy ...
│   └── tghm_mc_centroid.npy, vldp_mc_tran_van_centroid.npy
├── vieneu_generated/                          # 53,218 mẫu âm thanh Vieneu AI (~46GB)
│   ├── manifest.jsonl, summary_report.json, squim_noise_quality_assessment.csv
│   ├── ecapa_embeddings.tar.gz, json_timestamps.tar.gz, srt_subtitles.tar.gz
│   └── wavs_shard_0001.tar.gz ... wavs_shard_0016.tar.gz (mỗi shard ~2.5 - 3GB)
├── english_270h/                              # 270 Giờ Audiobook Tiếng Anh (~65GB)
│   ├── manifest.jsonl, squim_noise_quality_assessment.csv
│   ├── f0.tar.gz, ecapa_embeddings.tar.gz
│   ├── mels_shard_0001.tar.gz ... (Mel-spectrograms 80-bin)
│   └── wavs_part_1_shard_xxxx.tar.gz ... (WAV audio theo từng bộ)
├── the_gioi_hoan_my/                          # Audiobook Tiên Hiệp 44.1kHz (~114GB)
│   ├── squim_noise_quality_assessment.csv, ecapa_embeddings.tar.gz
│   ├── canonical_aligned_chapters_dataset.tar.gz, the_gioi_hoan_my_text_dataset.tar.gz
│   └── audio_44100hz_shard_xxxx.tar.gz (88 tập audio siêu dài 4-5 tiếng)
├── vietphrase_vietspeech/                     # 956,826 câu Tiếng Việt Đa Giọng (~124GB)
│   ├── metadata_pristine_studio_25db.csv, metadata.csv, squim_noise_quality_assessment.csv
│   ├── acoustic_features_report.jsonl, ecapa_embeddings.tar.gz, speaker_embeddings.tar.gz
│   └── wavs_16k_shard_xxxx.tar.gz (WAV audio 16kHz chia nhỏ 2.5GB/shard)
└── mtet_english/                              # 294,690 câu Tiếng Anh AI Studio (~149GB)
    ├── metadata.jsonl, squim_noise_quality_assessment.csv
    ├── ecapa_embeddings.tar.gz, json.tar.gz
    └── audio_shard_xxxx.tar.gz (WAV audio studio phòng thu tĩnh 100%)

🎛️ II. Chi Tiết Kỹ Thuật Từng Bộ Dữ Liệu

1. speaker_centroids/ (Trọng Tâm Âm Sắc Cho Voice Cloning)

  • Số lượng: 36 vector đặc trưng âm sắc cho tất cả các giọng nói.
  • Định dạng: .npy (NumPy Array), Shape (192,), Dtype float32, chuẩn hoá $L_2$-norm = 1.0.
  • Cách dùng: Nạp trực tiếp vào mô hình Matcha-TTS để định hình âm sắc người nói mà không cần chạy lại mô hình trích xuất âm sắc.

2. vieneu_generated/ (53,218 mẫu giọng Vieneu AI)

  • Dung lượng: ~46.27 GB (gồm 16 shard audio).
  • Đặc tính: File âm thanh 22,050Hz kèm phụ đề SRT, JSON timestamp từng từ, nhãn điểm độ ồn SQUIM.

3. english_270h/ (270 Giờ Audiobook Tiếng Anh)

  • Dung lượng: ~65.41 GB.
  • Thành phần:
    • Audio WAV gốc chia theo 3 phần: Part 1 - Mortal Journey (100h), Part 2 - Shadow Slave (100h), Part 3 - My Dungeon Life (70h).
    • mels/: Mel-spectrogram 80 băng tần trích xuất sẵn (~24 GB).
    • f0/: Đường cong cao độ F0 trích xuất sẵn (~640 MB).
    • manifest.jsonl: Chỉ mục toàn bộ văn bản và đường dẫn file tương ứng.

4. the_gioi_hoan_my/ (Bộ Truyện Tiên Hiệp Dài 44.1kHz)

  • Dung lượng: ~113.74 GB.
  • Đặc tính: 88 tập audio hoàn chỉnh chất lượng cao 44,100Hz kết hợp bộ văn bản đối soát từng chương canonical_aligned_chapters_dataset.

5. vietphrase_vietspeech/ (956,826 Mẫu Đa Giọng Tiếng Việt)

  • Dung lượng: ~123.82 GB.
  • Điểm nổi bật: Chứa 72,207 mẫu Zero-Noise tuyệt đối ($\text{SI-SDR} \ge 25\text{ dB}$) lọc từ tập dữ liệu lớn thông qua mô hình thẩm định TorchAudio SQUIM.

6. mtet_english/ (294,690 Mẫu Nữ AI Studio Tiếng Anh)

  • Dung lượng: ~149.35 GB.
  • Đặc tính: Giọng đọc tiếng Anh chuẩn phòng thu, $99.5%$ file đạt độ sạch $\ge 28\text{ dB}$ (nền tĩnh tuyệt đối).

🚀 III. Hướng Dẫn Sử Dụng & Khôi Phục Dữ Liệu

Cách 1: Tải & Tự Động Giải Nén Bằng Script Python Sẵn Có (Khuyên Dùng)

Sử dụng script restore_dataset.py có sẵn trong dự án:

# Tải và tự động giải nén riêng 1 bộ (ví dụ vieneu_generated)
python3 scripts/restore_dataset.py --dataset vieneu_generated --output_dir ./datasets_restored

# Tải bộ english_270h
python3 scripts/restore_dataset.py --dataset english_270h --output_dir ./datasets_restored

# Tải toàn bộ tất cả các bộ
python3 scripts/restore_dataset.py --dataset all --output_dir ./datasets_restored

Cách 2: Tải Bằng Thư Viện huggingface_hub Trong Code Python

from huggingface_hub import snapshot_download

# Tải thư mục speaker_centroids (rất nhẹ, ~40 KB)
centroids_dir = snapshot_download(
    repo_id="Cong123779/matcha-tts-multilingual-datasets",
    repo_type="dataset",
    allow_patterns="speaker_centroids/*",
    local_dir="./speaker_centroids"
)

# Tải file manifest & điểm SQUIM của Vieneu
manifest_path = snapshot_download(
    repo_id="Cong123779/matcha-tts-multilingual-datasets",
    repo_type="dataset",
    allow_patterns="vieneu_generated/*.json*",
    local_dir="./vieneu_meta"
)

Cách 3: Nạp Trọng Tâm Âm Sắc Vào Matcha-TTS (Voice Cloning)

import numpy as np
import torch

# 1. Nạp vector trọng tâm âm sắc (192 chiều)
centroid_path = "speaker_centroids/vieneu_spk_01_centroid.npy"
speaker_emb = np.load(centroid_path)  # Shape: (192,)

# 2. Chuyển sang PyTorch Tensor cho Matcha-TTS
spk_tensor = torch.from_numpy(speaker_emb).unsqueeze(0).float()  # Shape: [1, 192]

# 3. Đưa vào hàm sinh âm thanh
# mel_output = model.synthesise(text_tokens, spk=spk_tensor, n_timesteps=10, temperature=0.667)

🎚️ IV. Công Thức Điều Khiển Triệt Tiêu Tạp Âm (Zero-Noise Conditioning)

Các file squim_noise_quality_assessment.csv trong dataset cung cấp điểm $\text{SI-SDR}$ (Signal-to-Distortion Ratio). Để huấn luyện và suy luận mô hình sinh giọng nói tĩnh tuyệt đối:

  1. Công thức chuẩn hóa điểm tạp âm về đoạn $[0.0, 1.0]$: $$\text{Noise_Score} = \text{Clip}\left(\frac{25.0 - \text{SI_SDR}}{30.0}, \quad 0.0, \quad 1.0\right)$$

    • $\text{SI-SDR} \ge 25.0\text{ dB}$ (Chuẩn phòng thu vô thanh): $\mathbf{\text{Noise_Score} = 0.00}$.
    • $\text{SI-SDR} = 15.0\text{ dB}$ (Phòng thu bình thường): $\mathbf{\text{Noise_Score} = 0.33}$.
    • $\text{SI-SDR} \le -5.0\text{ dB}$ (Tạp âm lớn): $\mathbf{\text{Noise_Score} = 1.00}$.
  2. Ứng dụng:

    • Khi Huấn Luyện (Training): Nạp đúng Noise_Score để model học cách phân tách tạp âm khỏi giọng người.
    • Khi Suy Luận (Inference): Luôn gán cố định $\mathbf{\text{Noise_Score} = 0.0}$ $\rightarrow$ Mô hình tự động lọc bỏ tạp âm, sinh giọng trong và tĩnh $100%$.
Downloads last month
7,550