HiFiTTS-2 est un ensemble de données vocales à large bande passante à grande échelle publié par NVIDIA en 2025. Les résultats de l'article associé sont « HiFiTTS-2 : un ensemble de données vocales à large bande passante et à grande échelle », conçu pour soutenir la formation et l'évaluation de modèles de synthèse vocale (TTS) à zéro coup de haute qualité.

Cet ensemble de données contient des métadonnées audio de 5 000 locuteurs, soit environ 36 700 heures d'enregistrements de discours en anglais à 22,05 kHz et 31 700 heures à 44,1 kHz, classées par qualité de bande passante et fréquence d'échantillonnage. Ces données proviennent des livres audio LibriVox, téléchargeables sur le site. Elles sont échantillonnées à 48 kHz, ce qui les rend adaptées à l'apprentissage de vocodeurs haute résolution et de modèles de synthèse vocale non autorégressive.

Les données comprennent :

• Audio vocal (22 kHz / 44 kHz, mono)

• Transcription et métadonnées du chapitre/épisode

• Estimation de la qualité du locuteur et de la bande passante, horodatage de segmentation

• Manifestes de formation/validation et exemples de configurations