Pose Audio Transcript Style の正式名である PATS は、多様かつ大規模に調整されたジェスチャ、オーディオ、およびテキストのレコードで構成されています。このデータセットには、25 人の個人 (合計 250 時間以上) の音声録音とジェスチャー マッチングが含まれています。