---
title: da-fei-yu-girl-voice-zh
canonical_url: "https://www.modelscope.cn/datasets/YinZilu/da-fei-yu-girl-voice-zh"
md_url: "https://www.modelscope.cn/datasets/YinZilu/da-fei-yu-girl-voice-zh.md"
repository: YinZilu/da-fei-yu-girl-voice-zh
last_updated: 2026-10-26
license: cc-by-nc-4.0
storage_size: "162 MB"
downloads: 1297812
stars: 169
---

# da-fei-yu-girl-voice-zh

> da-fei-yu-girl-voice-zh - YinZilu 在 ModelScope 开源的数据集。由 Bilibili UP 主尹紫鹭幻想社自行调制并使用的「大肥鱼」少女音色中文语音与演唱干声数据集。包含 145 条带文本语音（约 18 分 29 秒）及 5 首歌的 6 个演唱干声文件（约 11 分 14 秒）；适用于非商业 TTS、RVC 与歌声音色训练实验，演唱素材未附逐句对齐标注。

YinZilu/da-fei-yu-girl-voice-zh 是 ModelScope 魔搭社区上的数据集，存储大小 162 MB，采用 cc-by-nc-4.0 许可。

- **Repository**: YinZilu/da-fei-yu-girl-voice-zh
- **License**: cc-by-nc-4.0
- **Storage size**: 162 MB
- **Downloads**: 1297812
- **Stars**: 169
- **Last updated**: 2026-10-26

Source: https://www.modelscope.cn/datasets/YinZilu/da-fei-yu-girl-voice-zh

---

# 大肥鱼（自调少女音色）中文语音与演唱干声数据集

![大肥鱼角色封面](assets/cover.png)

> 服装形象参考自 @ZipZipPipe 的二创设计，该设计基于 @上善无形 创作的鲸鱼娘形象进行二次创作；相关角色设计遵循 CC BY-NC-SA 4.0 协议。

这是一套中文合成语音数据集，使用由 **Bilibili UP 主「尹紫鹭幻想社」自行调制并使用的少女音色**，角色称呼为「大肥鱼」。数据集由尹紫鹭幻想社整理发布，提供单一音色的语音样本及逐条对应的中文文本，可用于非商业的语音合成与声音转换实验，例如 GPT-SoVITS 和 RVC。

名称中的「DeepSeek / 大肥鱼」是角色称呼；本数据集并非 DeepSeek 官方发布，也不代表官方授权或背书。

## 当前版本：v0.2.0（2026-10-24）

本数据集包含 **145 条带文本标注的中文语音**，以及 **5 首歌的 6 个演唱干声文件**。TTS 与演唱素材独立存放，可按训练任务选择使用。

| 项目 | TTS 语音 | 演唱干声 |
| --- | ---: | ---: |
| 音频数量 | 145 条 | 6 个文件 / 5 首歌 |
| 总时长（含停顿） | 1108.817 秒（18 分 28.817 秒） | 674.410 秒（11 分 14.410 秒） |
| 单条时长 | 4.000–15.935 秒 | 60.013–193.356 秒 |
| 文件格式 | 52 个 MP3、93 个 WAV | 6 个 24-bit PCM WAV |
| 采样率 | 141 条 44.1 kHz、4 条 32 kHz | 44.1 kHz |
| 声道 / 说话人 | 单声道 / `da_fei_yu` | 单声道 / `da_fei_yu` |
| 标注 | 完整中文文本、情绪 style、发声方式 tag | 曲名、轨道、来源与裁剪范围；无逐句转写 |
| 用途 | TTS、GPT-SoVITS、RVC 输入素材 | RVC / 歌声音色转换；歌声合成需补齐对齐标注 |

总计 **151 个音频文件、1783.227 秒（29 分 43.227 秒）**。仅提供训练素材，未划分验证集或测试集。语音包含日常对话、数字朗读、情绪表达、轻声和耳语。

## 文件与字段

```text
README.md
LICENSE.md
prepare_training.py
assets/
└── cover.png                # 角色封面
train/                       # TTS 语音
├── metadata.csv
├── audio/                   # 145 条语音
└── text/                    # 145 份 UTF-8 转写
singing/
├── README.md
└── train/
    ├── metadata.csv
    └── audio/               # dwg_song_0001.wav–dwg_song_0006.wav
annotations/
├── speech.csv               # 统一 style、发声 tag、中文释义、编号映射与哈希
├── dialogue_processing.csv  # 23 条对白的裁剪、静音与 ASR 核对记录
└── audio_checksums.csv      # 151 个音频的文件与统一解码哈希
```

`train/metadata.csv` 每行对应一条语音，`file_name` 相对于 `train/`。各字段如下：

| 字段 | 含义 |
| --- | --- |
| `file_name` | 音频相对路径 |
| `text` | 完整中文文本，不含生成用情绪标签 |
| `speaker_id` | 统一为 `da_fei_yu` |
| `style` | 情绪类别，见下表 |
| `duration_seconds` | 文件时长，单位秒，包含静音 |
| `sample_rate` / `channels` | 原采样率（Hz）/ 声道数 |
| `tag` | 独立的发声方式：`soft`（轻声）、`whisper`（耳语）或空值（未单独标注） |

情绪按 `style` 筛选，发声方式按 `tag` 筛选。`annotations/speech.csv` 的 `style`、`tag` 与主清单逐条一致，`style_zh`、`tag_zh` 为对应中文释义。

| style | 含义 | 数量 |
| --- | --- | ---: |
| neutral | 情绪未单独分组 | 119 |
| sad | 悲伤 | 6 |
| nervous | 紧张 | 6 |
| fear | 恐惧 | 5 |
| surprise | 惊讶 | 5 |
| anger | 愤怒（含不满、恼怒） | 4 |

发声方式标签：

| tag | 含义 | 数量 | 编号 |
| --- | --- | ---: | --- |
| soft | 轻声 | 13 | dwg_0111–dwg_0123 |
| whisper | 耳语 | 6 | dwg_0124–dwg_0129 |
| 空值 | 未单独标注发声方式 | 126 | 其余语音 |

例如 `dwg_0124` 的 `style=neutral, tag=whisper`，表示情绪未单独分组、发声方式为耳语。空 tag 表示未单独标注发声方式，不能据此判定为正常发声。neutral 也不代表声音没有情绪。

```python
# samples 来自下文的 csv.DictReader 示例
soft_samples = [row for row in samples if row.get("tag") == "soft"]
whisper_samples = [row for row in samples if row.get("tag") == "whisper"]
```

标签来自制作记录与台词语境，未经独立人工听感评级。`source_batch`、`source_id`、`source_file` 是素材追溯标识，不作为分类字段；`source_file` 不保证对应可访问的文件路径，来源工作文件不包含在下载包中。样本编号不要求连续，请以 metadata 清单为准。

`singing/train/metadata.csv` 的 `file_name` 相对于 `singing/train/`，记录曲名、来源日期、轨道名、时长、格式、峰值、RMS、源文件标识、轨道 UUID、原时间线裁剪范围和 SHA-256。`transcript_status=not_provided`，不虚构歌词或 TTS 文本。详见 [演唱子集说明](singing/README.md)。

## 使用方法

### 从 ModelScope 下载

使用 [ModelScope 官方 Hub 客户端](https://github.com/modelscope/modelscope_hub)（Python 3.10+）下载完整数据集：

```bash
python -m pip install -U modelscope-hub
ms-hub download YinZilu/da-fei-yu-girl-voice-zh --repo-type dataset --local-dir ./da-fei-yu-girl-voice-zh
```

### 读取音频与文本

文件采用 `train/audio/` 与 `train/metadata.csv` 配对结构。下载后可直接试听音频，并用 Python 标准库读取对应文本；以下代码在下载目录的上一级运行：

```python
import csv
from pathlib import Path

root = Path("da-fei-yu-girl-voice-zh")
with (root / "train" / "metadata.csv").open(encoding="utf-8", newline="") as f:
    samples = list(csv.DictReader(f))

sample = samples[0]
print(root / "train" / sample["file_name"])
print(sample["text"])
```

### 可选：准备训练文件

下载完整仓库后，在仓库目录中运行以下命令。需要 Python 3 和已加入 PATH 的 FFmpeg：

```bash
python prepare_training.py --format gpt-sovits --output ../gpt_sovits_ready
python prepare_training.py --format rvc --subset singing --output ../rvc_singing_ready
python prepare_training.py --format rvc --subset all --output ../rvc_all_ready
```

| 输出格式 | 默认输出 |
| --- | --- |
| GPT-SoVITS | `wavs/`：32 kHz、单声道、16-bit PCM WAV；`gpt_sovits.list`：本机绝对路径及文本 |
| RVC | `wavs/`：40 kHz、单声道、16-bit PCM WAV |

默认 `--subset speech` 仅处理 TTS；RVC 可选择 `speech`、`singing` 或 `all`。GPT-SoVITS 只接受有文本的 speech。输出目录必须是数据集目录之外的空目录或新目录，避免旧文件混入。

两种输出均附带 `metadata.csv`（保留 tag，并含 subset 字段）；可用 `--sample-rate` 指定目标采样率。脚本只准备输入文件，不启动训练。训练安装与操作请参考 [GPT-SoVITS 官方说明](https://github.com/RVC-Boss/GPT-SoVITS) 或 [RVC 官方说明](https://github.com/RVC-Project/Retrieval-based-Voice-Conversion-WebUI)，并按所用版本的要求选择采样率和预处理方式。

## 数据处理与局限

语音为尹紫鹭幻想社使用上述自调少女音色制作的合成语音，文本取自对应台词，并经中文 ASR 辅助核对。56 条语音保留原音频编码；23 条对白保留既有裁剪与补零静音处理（短句补足 4 秒）；66 条语音由 MP3 解码为 44.1 kHz、单声道、24-bit WAV，未额外变速、裁剪、补静音或归一化。WAV 转换与重采样不会恢复有损编码中丢失的信息。

演唱干声导出时关闭轨道与主总线插入效果，音量 0 dB、声像居中；仅裁剪首尾长静音，保留内部停顿。不是从成品混音分离的人声。整轨尚未按训练句长切分，也没有人工审核的逐句歌词、音符与时间对齐，不能直接当作完整歌声合成监督训练集。

本数据集规模较小，尚未逐条进行人工听感评级。建议训练前试听并核对文本，按需要筛选或切分；训练效果取决于所用模型和预处理方式。

## 许可与使用

封面中的相关角色设计遵循 CC BY-NC-SA 4.0，署名与设计来源见图片下方声明。以下许可说明适用于音频、转写与元数据。

数据集中的音频、转写和元数据采用 [Creative Commons Attribution-NonCommercial 4.0 International（CC BY-NC 4.0）](https://creativecommons.org/licenses/by-nc/4.0/) 许可。转载或改编时请注明数据集作者、仓库链接、许可链接和所作修改；商业用途需另行向权利人取得许可。此许可声明针对本数据集内容，不自动替代所用训练框架或未来模型权重各自的许可条款。

署名作者请使用 **尹紫鹭幻想社（Bilibili）**。例如：

> 数据来源：尹紫鹭幻想社（Bilibili）《大肥鱼（自调少女音色）中文语音数据集》，CC BY-NC 4.0。

使用上述署名时，请同时附上本数据集仓库链接及许可链接；如有修改，请说明修改内容。样本问题或转写修正可通过本数据集仓库的讨论区 反馈，并注明文件编号。

## 更新记录

- **v0.1.0（2026-10-02）**：首次整理，发布 56 条唯一中文语音及完整文本。
- **说明修订（2026-10-02）**：补充音色与作者介绍、字段和风格分布说明，精简使用指引；音频与转写未变更。

- **ModelScope 适配（2026-10-03）**：提供 ModelScope 下载指引；音频、转写与 v0.1.0 一致。

- **v0.2.0（2026-10-24）**：语音规模扩充至 145 条，并增加 5 首歌的 6 个演唱干声文件；提供情绪及发声方式标注、逐条文本与来源记录，支持按语音或演唱子集准备训练输入。
