Datasetpublic

data-lab-voice/echo-tts-en-benchmarks-v1

Echo-TTS English Benchmarks v1 Описание Датасет содержит результаты бенчмарка модели Echo-TTS на 720 предложениях из Harvard Sentences. Каждое предложение озвучено 14 спикерами — 5 встроенных голосов + 9 голосов клонированных из KaniTTS-2. Структура Поле Тип Описание text string Текст предложения echo_tts_af_bella audio Голос AF Bella (44100 Hz) echo_tts_af_heart audio Голос AF Heart (44100 Hz) echo_tts_am_fenrir audio Голос AM… See the full description on the dataset page: https://huggingface.co/datasets/data-lab-voice/echo-tts-en-benchmarks-v1.

sourceHugging Faceupdated 6mo agoView on Hugging Face

0likes78downloads

Dataset Card

Echo-TTS English Benchmarks v1

Описание

Датасет содержит результаты бенчмарка модели Echo-TTS на 720 предложениях из Harvard Sentences.

Каждое предложение озвучено 14 спикерами — 5 встроенных голосов + 9 голосов клонированных из KaniTTS-2.

Структура

Поле	Тип	Описание
`text`	string	Текст предложения
`echo_tts_af_bella`	audio	Голос AF Bella (44100 Hz)
`echo_tts_af_heart`	audio	Голос AF Heart (44100 Hz)
`echo_tts_am_fenrir`	audio	Голос AM Fenrir (44100 Hz)
`echo_tts_am_michael`	audio	Голос AM Michael (44100 Hz)
`echo_tts_bf_emma`	audio	Голос BF Emma (44100 Hz)
`echo_tts_andrew_from_san_francisco`	audio	Клон: Andrew из Сан-Франциско
`echo_tts_baddy_from_liverpool`	audio	Клон: Baddy из Ливерпуля
`echo_tts_callum_from_glasgow`	audio	Клон: Callum из Глазго
`echo_tts_chelsea_from_new_york`	audio	Клон: Chelsea из Нью-Йорка
`echo_tts_frank_from_boston`	audio	Клон: Frank из Бостона
`echo_tts_jermaine_from_oakland`	audio	Клон: Jermaine из Окленда
`echo_tts_kore_from_gemini`	audio	Клон: Kore (Gemini)
`echo_tts_puck_from_gemini`	audio	Клон: Puck (Gemini)
`echo_tts_rory_from_glasgow`	audio	Клон: Rory из Глазго

Статистика

—Строк: 720
—Спикеров: 14
—Всего аудио: 10 080
—Sample rate: 44100 Hz
—Размер: 2.73 GB

Использование

python

from datasets import load_dataset

ds = load_dataset("Arsen2453/echo-tts-en-benchmarks-v1", split="train")

# Прослушать первое предложение голосом AF Bella
import soundfile as sf
audio = ds[0]["echo_tts_af_bella"]
sf.write("sample.wav", audio["array"], audio["sampling_rate"])

Модель

—Echo-TTS — диффузионная TTS модель с поддержкой клонирования голоса
—Инференс: float16 на GPU (RTX 4090 / A100)
—Скорость: ~1.24 сек/сэмпл на RTX 4090