---
title: LJSpeech-1.1-48kHz
canonical_url: "https://www.modelscope.cn/datasets/iic/LJSpeech-1.1-48kHz"
md_url: "https://www.modelscope.cn/datasets/iic/LJSpeech-1.1-48kHz.md"
repository: iic/LJSpeech-1.1-48kHz
chinese_name: "LJSpeech-1.1-48kHz高清语音合成数据集"
last_updated: 2025-01-15
license: "Apache License 2.0"
storage_size: "5.3 GB"
downloads: 1252
stars: 2
---

# LJSpeech-1.1-48kHz

> LJSpeech-1.1-48kHz - iic 在 ModelScope 开源的数据集。LJSpeech-1.1 数据集因其在语音合成（TTS）和其他语音处理任务中的广泛应用而广为人知。现在，通过先进的语音超分辨率算法，这一数据集得到了进一步增强。 原始数据集的采样率为 22,050 Hz，现在使用 ClearerVoice-Studio 工具将其升级至 48,000 Hz，为高级音频处理任务提供高保真的音频版本。

iic/LJSpeech-1.1-48kHz 是 ModelScope 魔搭社区上的数据集，存储大小 5.3 GB，采用 Apache License 2.0 许可。

- **Repository**: iic/LJSpeech-1.1-48kHz
- **License**: Apache License 2.0
- **Storage size**: 5.3 GB
- **Downloads**: 1252
- **Stars**: 2
- **Last updated**: 2025-01-15

Source: https://www.modelscope.cn/datasets/iic/LJSpeech-1.1-48kHz

---

LJSpeech-1.1 数据集因其在语音合成（TTS）和其他语音处理任务中的广泛应用而广为人知。现在，通过先进的语音超分辨率算法，这一数据集得到了进一步增强。
原始数据集的采样率为 22,050 Hz，现在使用 ClearerVoice-Studio 工具将其升级至 48,000 Hz，为高级音频处理任务提供高保真的音频版本。

**下载方法**
- SDK下载
```python
#验证SDK token
from modelscope.hub.api import HubApi
api = HubApi()
api.login('fadd1abb-4df6-4807-9051-5ab01ac81071')

#数据集下载
from modelscope.msdatasets import MsDataset
ds =  MsDataset.load('iic/LJSpeech-1.1-48kHz')
#您可按需配置 subset_name、split，参照“快速使用”示例代码
```

- GIT Clone, 请确保 lfs 已经被正确安装
```sh
git lfs install
git clone https://oauth2:JcynSwnM9dvj1HatM2Po@www.modelscope.cn/datasets/iic/LJSpeech-1.1-48kHz.git
```

- Huggingface 下载地址：(https://huggingface.co/datasets/alibabasglab/LJSpeech-1.1-48kHz)

**主要特点**
- 高分辨率音频：数据集现以 48,000 Hz 的采样率提供音频文件，增强了感知质量，具有更丰富的高频细节。
- 原始内容完整性：保留了原始语言内容和注释结构，确保与现有工作流的兼容性。
- 更广的应用范围：适用于专业级音频合成、TTS 系统以及其他高质量音频应用。
- 开源：免费提供用于学术和研究目的，促进语音和音频领域的创新。

**原始数据集**
- 来源：原始 LJSpeech-1.1 数据集包含 13,100 条单一女性讲话者朗读公共领域书籍片段的音频片段。
- 时长：约 24 小时的语音数据。
- 注释：每条音频片段均配有相应的文本转录。

**超分辨率处理**
原始 22,050 Hz 音频通过最先进的基于 MossFormer2 的语音超分辨率模型进行处理。该模型采用以下技术：

- 高级神经架构：结合了基于 Transformer 的序列建模和HiFi-GAN卷积生成网络。
- 感知优化：采用专为保持语音自然性和清晰度设计的损失函数。
- 高频重建：算法专门针对恢复丢失的高频成分进行优化，确保平滑且无伪影的增强效果。

**输出格式**
- 采样率：48,000 Hz
- 音频格式：WAV
- 比特深度：16 位
- 声道配置：单声道

**使用场景**
- 文本到语音（TTS）合成
    - 训练高保真 TTS 系统：生成更加逼真的语音输出。
    - 支持情感化表达：实现更具情感与表现力的 TTS 合成。
- 语音超分辨率基准测试
    - 作为超分辨率算法的参考数据集：用于评估语音超分辨率模型的性能。
    - 提供感知质量的标准化基准：助力提升语音处理技术。
- 音频增强与修复
    - 修复低分辨率或退化的语音信号：满足专业应用需求。
    - 创建高质量配音和旁白：用于多媒体项目制作。

**文件结构**
数据集保留了原始 LJSpeech-1.1 的目录结构，便于使用：

    LJSpeech-1.1-48kHz/
    ├── metadata.csv         # 文本转录和音频文件映射
    ├── wavs/               # 包含 48,000 Hz WAV 文件的目录
    └── LICENSE.txt         # 许可信息

**许可协议**
LJSpeech-1.1 高分辨率数据集根据原始 LJSpeech-1.1 数据集的开源许可发布，用户可以免费使用、修改和共享该数据集用于学术和非商业用途，前提是必须给予适当的署名。

​