ISCSLP 2026 CoT-TTS
1.6 万小时中英双语上下文感知 CoT 引导 TTS 挑战数据集
数据时长
16000 hours
语种
2
采样率
various
发布时间
2026-06
数据集描述
1为 ISCSLP 2026 CoT-TTS Challenge 准备，面向 context-aware、expressive 和 CoT-guided speech generation 研究
2总规模约 16000 小时、约 300 万条片段，其中英语约 8600 小时、162 万条片段，中文约 7400 小时、138 万条片段
3数据来源于电影、电视剧、广播剧和短剧等 speech-rich media，包含丰富的对话上下文、说话人交互、场景变化和情绪变化
4每个样本围绕目标话语组织，提供历史对话上下文、参考语音、说话人标签、情绪标签、声学特征、时间戳和 CoT-style analysis
5音频以 FLAC 格式发布，官方说明为尽量保留原始声学属性，不同文件可能具有不同采样率、声道配置、响度、背景声和环境噪声
6抽样检查 movie-en1 dialogue_segments 中一条 FLAC 音频为 44.1 kHz、双声道、16-bit、时长 3.61 秒
7仅允许非商用学术研究、开发和评测；禁止商用、再分发、转售、再托管、重新打包以及重建或识别原始媒体来源
语种明细
| 语言名称 | 时长 |
|---|---|
| 英语 | 8600 hours |
| 中文 | 7400 hours |
发布单位
许可与商用
许可证
非商用研究用途许可（遵循 CC BY-NC 4.0 精神）
商用状态
非商用