内蒙古大学S2LAB 刘瑞研究员 联合字节跳动、香港中文大学（深圳）等单位推出了涵盖中英双语、超过236小时的超自然对话语音合成数据集——NCSSD，并在GitHub平台开源了搜集子集的数据构建Pipeline，在Hugging Face平台开放了数据下载页面。🚀🚀🚀
您可以通过以下链接免费下载并立即开始使用：
Hugging Face数据集页面：
https://huggingface.co/datasets/walkerhyf/NCSSD
GitHub数据仓库：
GitHub源码仓库：
GPT-Talker样例页面：
arXiv预印本论文：
🔎 超236小时自然对话语音数据，包括搜集自互联网的电视剧集片段（搜集子集），以及人工录制的对话内容（录制子集）。 🌏 支持两种语言：中文（Zh）和英语（En） 📣 丰富的对话场景，涵盖多种对话主题和内容，丰富的说话人（776人以上）。 🏆 基于NCSSD训练的GPT-Talker性能优秀，可以为agent合成自然且具有表现力的对话语音。
NCSSD 数据集统计
GPT-Talker模型结构图
NCSSD数据集构建过程
