HEAR-HSet — HEAR Hierarchical Evaluation Set

面向零样本语音合成（Zero-shot TTS）的分层评测基准，覆盖基础泛化、副语言可控生成与高难复杂场景三大维度。

共包含 2,702 条 prompt-target 音频对，约 1GB，语言涵盖中文和英文。

子集概览

子集	样本数	语言	核心评测目标
basic-v1	1,102	zh (475) / en (627)	基础泛化：说话人相似度、文本准确率、自然度、音质
paralinguistic-v1	1,106	zh (1,106)	副语言可控：18类非语言发声的插入位置、类型与语气控制
hard-v1	494	zh (200) / en (153) / mixed (141)	高难鲁棒：长句、古诗词、专有名词、中英混合、数字表达

---

basic-v1 — 基础情感口语

覆盖中文双人情感对话与英文叙述式口语，重点评估模型在跨语言日常场景中的自然度、情绪传达与口语连贯性。

• 中文情感对话（475条）：争执、抱怨、解释、劝说等双人互动语境
• 英文自然口播（627条）：叙述/演讲式口语，含停顿、语气变化、轻度口语填充

---

paralinguistic-v1 — 副语言可控生成

评估模型在保持语义连贯的前提下，对非语言发声（笑声、叹气、咳嗽等）的插入位置、类型和语气控制能力。

副语言标签分布：

标签	数量	标签	数量
laughter	62	dissatisfaction-hnn	61
breathing	62	cough	61
surprise-oh	62	question-ah	61
confirmation-en	62	question-en	61
uhm	62	surprise-yo	61
surprise-ah	62	crying	61
sigh	62	question-oh	61
surprise-wa	62	question-yi	61
question-ei	61	shh	61

标签在 target_text 中以 [tagname] 格式自然嵌入文本中，位置分布于句首/句中/句尾。

---

hard-v1 — 高难复杂场景

三类语料分别覆盖中英混说、古诗词韵律和术语密集学术场景，用于系统性拉开模型在易/难样本上的表现差距。

来源	样本数	语言	核心挑战
MCGA	200	zh	古诗文韵律、典故词汇、高信息密度
acl-6060	153	en	专有名词、术语、长句结构
ASCEND	141	mixed	中英混说、语言切换稳定性

困难标签覆盖： long_sentence、ancient_poetry、proper_noun、chinese_english_mix、number、polyphone 等

---

数据格式

所有子集均提供 .jsonl 和 .json 两种格式，每条样本包含以下字段：

字段	类型	说明
audio_id	string	样本全局唯一 ID
speaker_id	string	说话人唯一 ID
prompt_audio_path	string	prompt 音频相对路径（如 ./audio/BASIC_000001.wav）
prompt_text	string	prompt 音频对应的完整文本
target_text	string	待合成目标文本，与 prompt 来自同一说话人的连续上下文，含副语言标签标注
subset_tag	string	子集标签：basic / paralinguistics / hard
paralinguistic_tags	array	副语言标签列表（仅 paralinguistics 子集非空）

目录结构

HEAR-HSet/
├── basic-v1/
│   ├── audio/              # 1,102 个 .wav 文件
│   ├── metadata.jsonl
│   └── metadata.json
├── hard-v1/
│   ├── audio/              # 494 个 .wav 文件
│   ├── metadata.jsonl
│   └── metadata.json
└── paralinguistic-v1/
    ├── audio/              # 1,106 个 .wav 文件
    ├── metadata.jsonl
    └── metadata.json

使用方法

import json
from datasets import load_dataset

# 通过 Hugging Face datasets 加载
dataset = load_dataset("dinosaaaur/HEAR-HSet", "basic-v1", split="train")

# 或直接读取 JSONL
with open("basic-v1/metadata.jsonl") as f:
    samples = [json.loads(line) for line in f if line.strip()]

# 按子集筛选
basic_samples = [s for s in samples if s["subset_tag"] == "basic"]
paralinguistic_samples = [s for s in samples if s["subset_tag"] == "paralinguistics"]
hard_samples = [s for s in samples if s["subset_tag"] == "hard"]