爱喝水的木子

笔记

docker加速地址 { "builder": { "gc": { "defaultKeepStorage": "20GB", "enabled": true } }, "experimental": false, "registry-mirr

2025-07-22

19

0

dev

基于yolo11自产自训验证码识别模型

import random import os import time import shutil import math import cv2 import cv2 import matplotlib.pyplot as plt # 图片扭曲 from PIL import Image, Imag

音频数据集

以下是针对提供的音频数据集列表生成的简明摘要： --- ### **音频数据集摘要** 该列表汇总了 **13个** 专业音频数据集，涵盖**情感语音识别、深度伪造检测、文本转语音（TTS）及语音分类**四大核心领域，均来自Kaggle平台。关键特征如下： 1. **情感语音识别** - 包含 **RAVDESS**（590MB）、**TESS**、**Speech Emotion Recognition** 及 **EmoV-DB** 等数据集，专注于多语言（英语为主）情感分类（如愤怒、喜悦、悲伤）。 2. **深度伪造音频检测** - **Fake-or-Real (FoR)**（20GB）、**ASVspoof 2019**（25GB）及 **WaveFake**（29GB）提供大规模真实与伪造音频样本，用于AI生成语音的鉴别研究。 3. **文本转语音（TTS）** - 覆盖多语言TTS数据集： - **波斯语**（30小时，4GB）、**僧伽罗语**（多说话人）、**英语**（LibriTTS 8GB、Karen US Female、Cleaned Jane Eyre LJSpeech），支持语音合成模型训练。 4. **其他专业数据集** - **Audio MNIST**：音频化的数字识别数据集（0-9发音），适用于语音分类任务。 **数据规模**：从 **590MB**（RAVDESS）到 **30GB+**（WaveFake），满足轻量实验到大规模训练需求。 **语言覆盖**：英语为主，辅以波斯语、僧伽罗语等小众语言。 **应用场景**：情感分析、反深度伪造、多语言语音合成、语音分类等AI研究。 --- 此摘要突出数据集的**领域分类、规模范围、语言多样性及核心应用**，便于快速定位资源。