CASIA单音节孤立词语音库说明

1、数据库简介：

本数据库分女声语料和男声语料两部分，内容包括字、词、句等。每种语料都包含语音和文本两种数据。其中，女声语料4组，共61人次；男声语料5组，共40人次。数据总量约2G。

2、数据存放的目录结构：

数据存放结构如图所示：

数据库分为female、male两个目录，分别代表女声数据和男声数据。其下又有DR*子目录，代表第*组数据。每组数据下又分为若干个F{name}/M{name}目录。其中F指女声，M指男声；{name}为录音人名，按姓氏全拼、名字各字拼音的首字母缩写命名。每个人名目录下又包含三个子目SYL、WRD和STN，分别对应单音节（字）语音数据、词语音数据和句子语音数据；同时该目录下还包含三者的对应脚本（Transcript）文件SYL.tsh、WRD.tsh以及STN.tsh，用以存储对应语音的文本内容。

例如：../female/DR1/FZHANGL/WRD目录对应于女声第一组数据中女录音人张丽（ZhangLi）所录制的词语音数据。

3．脚本文件格式：

所有录音人目录下均包含名为SYL.tsh、WRD.tsh和STN.tsh的三个脚本文件，分别用以存储该录音人所录制的字、词、句数据的详细文本内容。

每个脚本文件内分别记录了该录音人录制的所有字/词/句的内容，按照一行汉字，一行拼音（每个汉字拼音后均紧跟该汉字的声调，其中音平记为1，阳平记为2，上声记为3，去声记为4，轻声记为0等）的方式存储。

4．语音文件命名方式：

对于每一个录音人录制的语音数据，都按照如下方式命名：

a． 字：命名为SYL{index}.wav，其中SYL代表字，{index}代表序号。如：SYL29.wav文件指该说话人录制的第29个字对应的语音文件。

b． 词：命名为WRD{index}.wav，其中WRD代表词，{index}代表序号。如：WRD130.wav文件指该说话人录制的第130个词对应的语音文件。

c． 句：词：命名为WRD{index}.wav，其中WRD代表词，{index}代表序号。如：STN1.wav文件指该说话人录制的第1个词对应的语音文件。

5、波形文件的参数：

所有语音数据均为16KHz采样率，16位采样精度，单通道语音数据。