update

README_zh.md

@@ -8,9 +8,9 @@
 
 ## 关于数据集
 
-**ExpressiveSpeech** 是一个**高质量**、**富有表现力**的**双语**（中文-英文）语音数据集，旨在解决现有对话数据集中普遍存在的语音缺乏表现力的问题。
+**ExpressiveSpeech** 是一个高质量、**富有表现力**的**双语**（中英）语音数据集，旨在解决现有对话数据集中普遍存在的语音表达力不足的问题。
 
-该数据集精心整理自五个知名的开源情感对话数据集：Expresso、NCSSD、M3ED、MultiDialog 和 IEMOCAP。通过一套严谨的数据处理与筛选流程，ExpressiveSpeech 确保了每一条语音片段都在声学质量和情感表现力丰富度上达到高标准。该数据集专为表现力语音转换 (Expressive S2S)、语音合成 (TTS)、声音转换 (Voice Conversion)、语音情感识别 (Speech Emotion Recognition) 以及其他需要高保真、富含情感的音频应用领域而设计。
+该数据集精心整理自五个著名的开源情感对话数据集，分别是：Expresso、NCSSD、M3ED、MultiDialog 和 IEMOCAP。 通过严格的处理和筛选流程，ExpressiveSpeech 确保了每一段语音都在音频质量和情感丰富度上达到高标准。 此数据集专为需要高保真度、能引起情感共鸣音频的任务而设计，例如富有表现力的语音转语音（S2S）、文本转语音（TTS）、语音转换以及语音情感识别等领域。
 
 ## 主要特点
 
@@ -27,9 +27,15 @@
 | 总时长 | ~51 小时 |
 | 语言 | 中文, 英文 |
 | 语言比例 (中:英) | 约 1:1 |
-| 采样率 | 16kHz, 单声道 |
+| 采样率 | 16kHz |
 | 平均表现力得分 (DeEAR) | 80.2 |
 
+
+## 我们的表现力评分工具：DeEAR
+
+本数据集的高表现力是使用我们的筛选工具 **DeEAR** 实现的。如果您需要自己构建更大批量的高表现力数据，欢迎使用此工具。您可以在我们的 [GitHub](https://github.com/FreedomIntelligence/ExpressiveSpeech) 上找到它。
+
+
 ## 数据格式
 
 数据集的组织结构如下：
@@ -48,11 +54,25 @@ ExpressiveSpeech/
 ```
 
 - **`metadata.jsonl`**: 一个 `jsonl` 文件，其中包含每条语音的详细信息。元数据包括：
-  - `audio_path`: 音频文件的相对路径。
+  - `audio-path`: 音频文件的相对路径。
   - `value`: 由 ASR 生成的文本转录。
   - `emotion`: 来自原数据集的情感标签。
   - `expressiveness_scores`: 来自 **DeEAR** 模型的表现力得分。
 
+## JSONL 文件示例
+
+每行 JSONL 包含一个 `conversations` 字段，其中存放语音轮次数组。
+示例：
+
+```json
+{"conversations": [{"No": 9, "from": "user", "value": "Yeah.", "emotion": "happy", "length": 2.027, "score_arousal": 0.9931480884552002, "score_prosody": 0.6800634264945984, "score_nature": 0.9687601923942566, "score_expressive": 0.9892677664756775, "audio-path": "audios/Expresso/splitted_conversation/ex04-ex01/laughing/ex04-ex01_laughing_001/009_speaker1_53s_55s.wav"}, {"No": 10, "from": "assistant", "value": "What was the reason, what was the, why couldn't I get there, ah I forget.", "emotion": "happy", "length": 3.753, "score_arousal": 0.9555678963661194, "score_prosody": 0.6498672962188721, "score_nature": 1.030701756477356, "score_expressive": 0.9965837001800537, "audio-path": "audios/Expresso/splitted_conversation/ex04-ex01/laughing/ex04-ex01_laughing_001/010_speaker2_55s_59s.wav"}]}
+{"conversations": [{"No": 10, "from": "user", "value": "What was the reason, what was the, why couldn't I get there, ah I forget.", "emotion": "happy", "length": 3.753, "score_arousal": 0.9555678963661194, "score_prosody": 0.6498672962188721, "score_nature": 1.030701756477356, "score_expressive": 0.9965837001800537, "audio-path": "audios/Expresso/splitted_conversation/ex04-ex01/laughing/ex04-ex01_laughing_001/010_speaker2_55s_59s.wav"}, {"No": 11, "from": "assistant", "value": "Because genie really had to go and and to the bathroom and she couldn't find a place to do it and so she when they put the tent on it it was it was a bad mess and they shouldn't have done that.", "emotion": "happy", "length": 10.649, "score_arousal": 0.976757287979126, "score_prosody": 0.7951533794403076, "score_nature": 0.9789049625396729, "score_expressive": 0.919080913066864, "audio-path": "audios/Expresso/splitted_conversation/ex04-ex01/laughing/ex04-ex01_laughing_001/011_speaker1_58s_69s.wav"}]}
+```
+
+*注*：部分源数据集使用了 VAD（语音活动检测），可能会将一句话切分为多个片段。
+为保持对话完整性，我们通过特定规则将这些片段合并回完整语句。
+
+
 ## 授权协议
 
 为遵循其源数据集的非商业性使用限制，ExpressiveSpeech 数据集在 **知识共享署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 许可协议**下发布。