GLOBE データセットは、2024年にリリースされた高品質な英語音声コーパスです。関連論文は「GLOBE: A High-quality English Corpus with Global Accents for Zero-shot Speaker Adaptive Text-to-Speech」で、ゼロショット話者適応型TTSシステムのアクセント話者に対する汎用性の低さを解決することを目的としています。

このデータセットには、サンプリングレート24kHzの535時間の音声データが含まれており、23,519人の話者から収集され、世界中の164種類のアクセントをカバーしています。また、詳細な話者のメタデータも付属しています。GLOBE_V2 ではさらに、サンプリングレート44.1kHzのオーディオを提供し、約5％のボリューム異常やオーディオとテキストのアライメントに問題があるサンプルを除くことで、データの質を一層向上させています。

引用

@misc{wang2024globe,
      title={GLOBE: A High-quality English Corpus with Global Accents for Zero-shot Speaker Adaptive Text-to-Speech},
      author={Wenbin Wang and Yang Song and Sanjay Jha},
      year={2024},
      eprint={2406.14875},
      archivePrefix={arXiv},
}