OKHand/

Clean_Common_Voice_Speech_24.0-TW

	Cleaned Common Voice 24.0 - Chinese (Taiwan) Voice Seeds




	
	資料集簡介 (Dataset Summary)

本資料集基於 Mozilla Common Voice Scripted Speech 24.0 - Chinese (Taiwan) 進行二次加工與清洗。 主要目的是萃取出高品質、無冗長空白、且長度適中的「聲色種子 (Voice Seeds)」，非常適合用於訓練或微調文字轉語音 (TTS)、語音複製 (Voice Cloning) 等生成式語音模型。

原始的 Common Voice 資料包含許多長短不一、可能帶有環境噪音或冗長靜音的音檔。本專案透過以下自動化流程進行清洗：

語音活動偵測 (VAD) 與去空白： 採用 silero-vad 模型進行精準的語音區段偵測 (Threshold: 0.5)。 自動剔除音檔前後與句間的冗長靜音，僅保留清晰的語音內容。

target_sr: int… See the full description on the dataset page: https://huggingface.co/datasets/OKHand/Clean_Common_Voice_Speech_24.0-TW.