Original post · AI translation
Rohan Paul@rohanpaul_ai
无脚本通话很难大规模收集。 如今的语音 AI 主要从由大型语言模型编写、再由文本转语音系统朗读的虚构对话中学习，因此它从未听过人们相互抢话；
真想知道他们是怎么让对话持续 10 到 20 分钟的。
他们发布了 Joy，一个涵盖 10 种语言、总计 100,000 小时的无脚本双人对话数据集
第 1/15 条发布内容：介绍 Joy，一个双通道对话数据集。
两个人之间真实、无脚本的对话，每个人的声音都录在各自独立的音轨上。它旨在教会语音模型人们实际上如何交谈：什么时候倾听，什么时候插话，什么时候说“嗯”。
100,000 小时。
50,000 位说话者。
10 种语言。
Original
Drop 1/15: Introducing Joy, a dual-channel conversational dataset. Real, unscripted conversations between two people, each on their own track. Built to teach voice models how people actually talk: when to listen, when to jump in, when to say “hmm”. 100,000 hours. 50,000 speakers. 10 languages.
· UTC+8