Datasets:
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 |
- 🌐 0. Các Bộ Dữ Liệu Đa Ngôn Ngữ Mới (Parquet + FLAC Lossless 22,050 Hz)
- 📌 I. Tổng Quan Các Bộ Dữ Liệu Trên Hugging Face
- 🎛️ II. Chi Tiết Kỹ Thuật Từng Bộ Dữ Liệu
- 1.
speaker_centroids/(Trọng Tâm Âm Sắc Cho Voice Cloning) - 2.
vieneu_generated/(53,218 mẫu giọng Vieneu AI) - 3.
english_270h/(270 Giờ Audiobook Tiếng Anh) - 4.
the_gioi_hoan_my/(Bộ Truyện Tiên Hiệp Dài 44.1kHz) - 5.
vietphrase_vietspeech/(956,826 Mẫu Đa Giọng Tiếng Việt) - 6.
mtet_english/(294,690 Mẫu Nữ AI Studio Tiếng Anh)
- 1.
- 🚀 III. Hướng Dẫn Sử Dụng & Khôi Phục Dữ Liệu
- 🎚️ IV. Công Thức Điều Khiển Triệt Tiêu Tạp Âm (Zero-Noise Conditioning)
🎙️ Matcha-TTS Multilingual Master Speech & Acoustic Datasets
Kho dữ liệu âm thanh đa ngôn ngữ chuẩn phòng thu SOTA, bao gồm:
- 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,ipavàduration. - 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.gzshards).
🌐 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 HzMono 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,), Dtypefloat32, 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:
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): $\mathbf{\text{Noise_Score} = 1.00}$.
Ứng dụng:
- Khi Huấn Luyện (Training): Nạp đúng
Noise_Scoređể 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 $100%$.
- Khi Huấn Luyện (Training): Nạp đúng
- Downloads last month
- 7,550