性别识别语音数据集-2011-mexwell
数据来源：互联网公开数据
标签：性别识别,语音数据,声学分析,机器学习,音频处理,教育,科研
数据概述：
本数据集用于通过语音和言语分析性别。数据集包含数千个男性和女性的语音样本，每个样本均标注为男性或女性。语音样本来自以下资源：
- 哈佛-哈斯金斯定期语音数据库
- 麦吉尔大学电信与信号处理实验室语音数据库
- VoxForge语音语料库
- 卡内基梅隆大学Festvox CMU_ARCTIC语音数据库
每个语音样本以.WAV文件存储，并使用WarbleR R包中的specan函数进行预处理。specan函数测量了提供起始和结束时间的声学信号的22个声学参数。
预处理后的.WAV文件输出存储为CSV文件，包含3168行和21列（20个特征列和1个标签列用于分类男性或女性）。用户可通过上述链接下载预处理后的CSV格式数据集。
声学属性测量
以下是测量的每个语音的声学属性：
- duration：信号长度
- meanfreq：平均频率（kHz）
- sd：频率标准差
- median：中位频率（kHz）
- Q25：第一四分位数（kHz）
- Q75：第三四分位数（kHz）
- IQR：四分位距（kHz）
- skew：偏度（参见specprop描述中的注释）
- kurt：峰度（参见specprop描述中的注释）
- sp.ent：频谱熵
- sfm：频谱平坦度
- mode：众数频率
- centroid：频率质心（参见specprop）
- peakf：峰值频率（能量最高的频率）
- meanfun：声学信号中基频平均值
- minfun：声学信号中基频最小值
- maxfun：声学信号中基频最大值
- meandom：声学信号中主导频率平均值
- mindom：声学信号中主导频率最小值
- maxdom：声学信号中主导频率最大值
- dfrange：声学信号中主导频率范围
- modindx：调制指数。计算为相邻基频测量值的累积绝对差除以频率范围
注意，特征duration和peakf（峰值频率）未用于训练。duration指录音长度，对于训练，被截断为20秒。由于计算此值的时间和CPU限制，peakf被省略。在这种情况下，所有记录的duration值（20秒）和peakf值（0）相同。
原始数据
致谢
图片来自Jason Rosewell在Unsplash上的作品
