Data note

VoiceBank

概况

Voice Bank Corpus 是由英国 爱丁堡大学 CSTR（Centre for Speech Technology Research，语音技术研究中心）建设的英语多说话人语音库。VCTK 的目的原本主要是多说话人语音合成。GTCRN 和 LiSenNet 使用的 VoiceBank+DEMAND 是 Cassia Valentini-Botinhao 等人基于 Voice Bank 制作的语音增强数据集，他们从Voice Bank 取 clean speech，再加入各种噪声生成与之严格对应的 noisy speech。

数据本身是成对的 wav 文件，采样率 48kHz：

clean_trainset_28spk_wav/
    p226_001.wav
    p226_002.wav
    p226_003.wav
    ...
 
noisy_trainset_28spk_wav/
    p226_001.wav
    p226_002.wav
    p226_003.wav
    ...
    
clean_testset_wav/
	p232_001.wav
	p257_001.wav
	...
	
noisy_testset_wav/
	...

总共四个文件夹，clean 和 noisy 分别都有 trainset 和 testset。

• trainset 文件夹名字中的 28spk 代表有 28 个说话人，14男14女，每个人大约 400 句话；原论文给 clean speech 加入 10 种噪声，其中 2 种是人工产生的 speech-shaped noise 和 babble，另外 8 种来自 DEMAND，包括厨房、会议室、cafeteria、restaurant、subway、car、metro、traffic intersection 等环境。
• testset 换成 另外 2 位没有参加训练的英格兰说话人，一男一女，ID 分别为232和257.

目录	WAV 数
clean_trainset_28spk_wav	11,572
noisy_trainset_28spk_wav	11,572
clean_testset_wav	824
noisy_testset_wav	824
上面表格是四个目录的wav数，可见，trainset 有11572条数据，testset 有 824 条数据。

使用

1. GTCRN 使用该数据集进行训练和测试。从 trainset 中抽取 1572 条作为 validation。以上数据全部重新采样到 16 kHz。