SRC4VC のプロジェクトページ (under construction)

ダウンロード:
SRC4VC_ver1.zip (ver. 1 w/ 3.4 GB)

概要:

SRC4VCは，日本語母語話者100名によるスマートフォン収録音声のコーパスです．
本コーパスは，「エンドユーザが所有する実デバイスで収録された音声を高品質に変換可能な音声変換技術」の実現を目指して構築されています．
テキストは既存のコーパスから借用し，音声はLancersによるクラウドソーシングで収集しました．
収録された音声データ（48000Hz/16bit wav）に加え，Miipher の非公式実装で復元した音声データ（22050Hz/16bit wav）を含んでいます．
研究目的であれば無償で利用可能ですが，再配布・公序良俗に反する利用などの行為はご遠慮ください．
論文などで利用される場合，下記の通りに引用していただければ幸いです．

齋藤佑樹, 五十嵐琢斗, 関健太郎, 高道慎之介, 山本龍一, 橘健太郎, 猿渡洋, "SRC4VCデータセット：多話者音声変換モデルのベンチマークを目的とした実デバイス収録音声コーパス," 電子情報通信学会研究報告, 2024-02-SIP-SP-EA-SLP, 2024年2月.

収録物:

wav & txt: スマートフォン収録音声 & テキスト

RECITATIONサブセット: 読み上げ調, ITAコーパスより引用
JVNVサブセット: 感情的, JVNVコーパスより引用
CALLSサブセット: 対話調, CALLSコーパスより引用
STUDIESサブセット: 対話調, STUDIESコーパスより引用
SONGSサブセット: 歌声, 童謡「かたつむり」と魔王魂「シャイニングスター」の1フレーズより引用

wav-R: Miipher で復元した音声
emo (for CALLS, JVNV, and STUDIES subsets): クラウドソーシングで収集した知覚感情ラベル
speaker-wise recording quality scores: クラウドソーシングで収集した話者ごとの録音品質スコア (MOS)

Sample 1 (SRC4VC001, MOS = 4.13):
Sample 2 (SRC4VC042, MOS = 3.66):
Sample 3 (SRC4VC099, MOS = 3.33):
Sample 4 (SRC4VC068, MOS = 3.01):
Sample 3 (SRC4VC064, MOS = 1.69):

デモ:

更新情報:

コーパス Version 1 を公開しました．

主な開発者:

齋藤佑樹 (東京大学情報理工学系研究科)
五十嵐琢斗 (東京大学情報理工学系研究科)
関健太郎 (東京大学情報理工学系研究科)
高道慎之介 (東京大学情報理工学系研究科)
山本龍一 (LINEヤフー株式会社)
橘健太郎 (LINEヤフー株式会社)
猿渡洋 (東京大学情報理工学系研究科)

謝辞:

本研究は，LINEヤフー株式会社と東京大学猿渡・高道研究室の共同研究プロジェクトとして実施した．