Sette nomi di assistente. Sette dataset. Tutto l’audio generato interamente a partire dal framework TTS phoonnx usando le voci Miro e Dii — senza registrazioni umane, senza moduli di consenso, senza esposizione della privacy.
Ogni dataset è un insieme piatto di circa mille clip positivi — la wakeword pronunciata con locutori, ritmi e prosodia variati. I negativi difficili e il rumore di fondo vengono forniti come dataset complementari separati che mescoli al momento dell’addestramento: not-wake-words-speech-en, not-wake-words-speech-pt, e ambient_noises.
Perché sintetico
Le registrazioni reali richiedono mesi di raccolta, moduli di consenso per ogni locutore e lasciano comunque lacune di accento che non avevi previsto. La generazione sintetica ribalta tutto questo:
- Riproducibile: le stesse impostazioni di generazione, le stesse voci → lo stesso audio. Tracciabilità completa, senza archeologia dei moduli di consenso.
- Verificabile: la pipeline di generazione è la documentazione.
- Scalabile: variare il ritmo di eloquio e le caratteristiche del locutore è una modifica di parametro, non una sessione in studio.
Per il rilevamento di wakeword la proprietà rilevante è la distintività acustica, non la naturalezza. I dati sintetici si adattano bene a questo requisito.
Usa questi
Addestra il tuo rilevatore di wakeword per OpenVoiceOS, Mycroft o qualsiasi sistema vocale aperto. Per l’aumento dei campioni negativi ci sono anche dataset di clip di sottofondo domestici e di pubblico dominio: building_106_kitchen_3secs, public_domain_sounds_3secs, e FMA_3secs.