ESD は Emotional Speech Database の略で、音声変換研究に使用される感情音声データ セットです。このデータセットは、英語のネイティブ スピーカー 10 名と中国語のネイティブ スピーカー 10 名による 350 の並列発話で構成され、5 つの感情カテゴリ (中立、幸せ、怒り、悲しみ、驚き) をカバーしています。 29 時間以上の音声データが、制御された音響環境で録音されました。このデータセットは、多言語および言語間の感情変換研究に適しています。