jmpanozzo/mexican-voice-dataset

---

language: - es tags: - audio - speech - text-to-speech - spanish - mexican-spanish - tts - voice-dataset license: mit

🎙️ Mexican Voice Dataset

Dataset de voz en español mexicano con entonación auténtica, diseñado para aplicaciones de Text-to-Speech (TTS).

📖 Descripción

Este dataset está en construcción constante y está orientado al procesamiento del idioma español, especialmente para aplicaciones de Text-to-Speech (TTS). Los archivos de audio son compatibles con el ajuste fino de modelos avanzados como Sesame y Orpheus.

✨ Características Principales

• 🎯 Enfoque: Español mexicano nativo
• 🗣️ Entonación: Auténtica mexicana
• 🔧 Compatibilidad: Modelos TTS modernos
• 📈 Escalabilidad: En crecimiento continuo

🌍 Idioma y Cultura

• Idioma Principal: Español (variante mexicana)
• Entonación: Mexicana regional
• Propósito: Entrenamiento y fine-tuning de modelos TTS
• Aplicaciones: Síntesis de voz natural, reconocimiento de voz

📁 Estructura del Dataset

mexican-voice-dataset/
├── male/
│   ├── audio/
│   │   ├── 1.wav
│   │   ├── 2.wav
│   │   └── ...
│   └── metadata.csv
└── README.md

📊 Metadatos (metadata.csv)

Columna	Tipo	Descripción
source	string	Identificador único de la fuente
file_path	string	Ruta relativa al archivo de audio
text	string	Texto transcrito (normalizado con triples comillas)

🎵 Formato de Audio

• Formato: WAV
• Calidad: Alta fidelidad
• Duración: Variable por muestra

🚀 Uso

Cargar el Dataset

from datasets import load_dataset

# Cargar desde Hugging Face
dataset = load_dataset("jmpanozzo/mexican-voice-dataset")

# Acceder a los datos
for sample in dataset["train"]:
    audio = sample["audio"]
    text = sample["text"]
    # Tu código aquí...

Ejemplo de Uso en TTS

# Ejemplo con un modelo TTS
from transformers import pipeline

# Cargar datos de entrenamiento
dataset = load_dataset("jmpanozzo/mexican-voice-dataset")
train_data = dataset["train"]

# Tu código de fine-tuning aquí...

🎯 Aplicaciones

• 🤖 Entrenamiento de modelos TTS: Fine-tuning para voz mexicana
• 🎤 Reconocimiento de voz: Mejora en español mexicano
• 🔬 Investigación: Procesamiento de lenguaje natural
• 🎭 Aplicaciones creativas: Síntesis de voz para contenido multimedia

📈 Estadísticas

• Número de muestras: En crecimiento continuo
• Duración total: Calculando...
• Vocabulario: Español mexicano completo

📞 Contacto

• Repositorio: https://huggingface.co/datasets/jmpanozzo/mexican-voice-dataset
• Mantenedor: jmpanozzo
• Issues: Reportar problemas

---

⭐ Si encuentras útil este dataset, ¡dale una estrella en Hugging Face!

Última actualización: 2025-10-23