Datasets:

Cnam-LMSSC
/

vibravox

gender stringclasses 2 values	speaker_id stringclasses 149 values	sentence_id int64 44 33.9k	duration float64 1.4 9.14	raw_text stringlengths 13 119	normalized_text stringlengths 11 118	phonemized_text stringlengths 7 94
female	NrnMPMrtP1	21,408	4.4	Alliée de l’Autriche-Hongrie, l’Italie déclare qu’elle n’interviendra pas.	alliée de l'autriche hongrie l'italie déclare qu'elle n'interviendra pas	alje də lotʁiʃɔ̃ɡʁi litali deklaʁ kɛl nɛ̃tɛʁvjɛ̃dʁa pa
male	8HgRkb1R0H	25,259	2.593	Les Monothélites exposèrent leur point de vue.	les monothélites exposèrent leur point de vue	le monotelitz ɛkspozɛʁ lœʁ pwɛ̃ də vy
male	MdCKu8Tv5w	23,872	2.554	Les Suisses mettent le siège devant Dijon.	les suisses mettent le siège devant dijon	le syis mɛt lə sjɛʒ dəvɑ̃ diʒɔ̃
female	dDcBxX9jh9	10,796	3.666	Les sept statues de l'hémicycle du Sénat à Paris.	les sept statues de l'hémicycle du sénat a paris	le sɛt staty də lemisikl dy sena a paʁi
female	xFKcXvgRnv	17,802	5.744	Parfaitement bilingue, il écrivit la plupart de ses articles, nouvelles et romans en français.	parfaitement bilingue il écrivit la plupart de ses articles nouvelles et romans en français	paʁfɛtmɑ̃ bilɛ̃ɡ il ekʁivi la plypaʁ də sez aʁtikl nuvɛlz e ʁomɑ̃z ɑ̃ fʁɑ̃sɛ
male	y0Z6rcl9f0	28,098	4.576	L'extrémité du jeune rameau présente une densité moyenne à forte de poils couchés.	l'extrémité du jeune rameau présente une densité moyenne a forte de poils couchés	lɛkstʁemite dy ʒøn ʁamo pʁezɑ̃t yn dɑ̃site mwajɛn a fɔʁt də pwal kuʃe
female	J3rHwv4c67	12,867	4.6	L’affection de Catherine aide Jeanne à s'épanouir enfin.	l'affection de catherine aide jeanne a s'épanouir enfin	lafɛksjɔ̃ də katʁin ɛd ʒan a sepanwiʁ ɑ̃fɛ̃
male	67GDVwNZyM	2,856	3.76	Ce modèle a été élargi par la suite à d'autres domaines.	ce modèle a été élargi par la suite a d'autres domaines	sə modɛl a ete elaʁʒi paʁ la syit a dotʁ domɛn
female	9uFUrr9Hg2	17,419	3.294	Cependant, cette notion est surtout grammaticale.	cependant cette notion est surtout grammaticale	səpɑ̃dɑ̃ sɛt nosjɔ̃ ɛ syʁtu ɡʁamatikal
male	cdgzyorcfa	30,480	3.914	Son odeur est réputée forte, mais son goût l'est encore plus.	son odeur est réputée forte mais son gout l'est encore plus	sɔ̃n odœʁ ɛ ʁepyte fɔʁt mɛ sɔ̃ ɡu lɛt ɑ̃kɔʁ ply
male	9rVaV7AVvQ	25,596	5.791	À travers le monde, il en existe quarante-quatre espèces réparties en dix-sept genres.	a travers le monde il en existe quarante quatre espèces réparties en dix sept genres	a tʁavɛʁ lə mɔ̃d il ɑ̃n ɛɡzist kaʁɑ̃təkatʁ ɛspɛs ʁepaʁtiz ɑ̃ dikssɛt ʒɑ̃ʁ
female	GAbahP9XeW	5,665	5.557	Cette conception est donc plus modulaire et plus facile à faire évoluer dynamiquement.	cette conception est donc plus modulaire et plus facile a faire évoluer dynamiquement	sɛt kɔ̃sɛpsjɔ̃ ɛ dɔ̃k ply modylɛʁ e ply fasil a fɛʁ evolye dinamikmɑ̃
male	cfBMY5FPwC	30,043	1.815	C'est une fête mobile.	c'est une fête mobile	sɛt yn fɛt mobil
male	mcw8hIiK5m	31,026	4.36	Les lieux communs ont donné lieu à une intense et continuelle polémique.	les lieux communs ont donné lieu a une intense et continuelle polémique	le ljø kɔmœ̃z ɔ̃ dɔne ljø a yn ɛ̃tɑ̃s e kɔ̃tinyɛl polemik
female	qznCRsXrtP	8,793	3.6	Le patrimoine se transmet de mère en fille.	le patrimoine se transmet de mère en fille	lə patʁimwan sə tʁɑ̃smɛ də mɛʁ ɑ̃ fij
female	R7Mh-VA0Gl	30,713	4.188	L'agence a construit une vingtaine de gratte-ciel au Japon.	l'agence a construit une vingtaine de gratte ciel au japon	laʒɑ̃s a kɔ̃stʁyi yn vɛ̃tɛn də ɡʁatəsjɛl o ʒapɔ̃
female	xZ0NY2ng31	2,961	3.227	Chacune de ces branches est appelée un clade.	chacune de ces branches est appelée un clade	ʃakyn də se bʁɑ̃ʃz ɛt aple œ̃ klad
female	pD5EdR4fpZ	11,969	5.836	Certains écrits de l'Antiquité utilisent implicitement des propriétés de commutativité.	certains écrits de l'antiquité utilisent implicitement des propriétés de commutativité	sɛʁtɛ̃z ekʁi də lɑ̃tikite ytilizt ɛ̃plisitmɑ̃ de pʁɔpʁiete də kɔmytativite
female	5vYdvC10Ty	16,744	5.82	Les causes psychologiques de procrastination sont toujours sujettes aux débats.	les causes psychologiques de procrastination sont toujours sujettes aux débats	le koz psikoloʒik də pʁɔkʁastinasjɔ̃ sɔ̃ tuʒuʁ syʒɛtz o deba
female	_tc5zvfepK	31,821	5.06	Ils sont cinq lorsque de Gaulle est élu président de la République.	ils sont cinq lorsque de gaulle est élu président de la république	il sɔ̃ sɛ̃k lɔʁskə də ɡol ɛt ely pʁezidɑ̃ də la ʁepyblik
female	0I2ef-hSAb	24,673	4.68	Ces molécules sont présentes en grande quantité dans les huiles végétales.	ces molécules sont présentes en grande quantité dans les huiles végétales	se molekyl sɔ̃ pʁezɑ̃tz ɑ̃ ɡʁɑ̃d kɑ̃tite dɑ̃ le yil veʒetal
female	e8x4erSI6y	33,739	9.143	Ces circonstances excitèrent l'animosité des moines contre celui qui diminuait ainsi leurs revenus.	ces circonstances excitèrent l'animosité des moines contre celui qui diminuait ainsi leurs revenus	se siʁkɔ̃stɑ̃sz ɛksitɛʁ lanimozite de mwan kɔ̃tʁ səlyi ki diminyɛt ɛ̃si lœʁ ʁəvny
male	s3nwdjfq_M	31,644	7.78	Sept années plus tard, un rapport accuse les ascensoristes d'avoir profité de la situation.	sept années plus tard un rapport accuse les ascensoristes d'avoir profité de la situation	sɛt ane ply taʁ œ̃ ʁapɔʁ akyz lez asɑ̃soʁist davwaʁ pʁofite də la sityasjɔ̃
female	7BYtbJjuiW	21,019	4.1	L'humoriste, s'estimant victime de censure, démissionne de France Inter.	l'humoriste s'estimant victime de censure démissionne de france inter	lymoʁist sɛstimɑ̃ viktim də sɑ̃syʁ demisjɔn də fʁɑ̃s ɛ̃tɛʁ
female	_lXn7pe-VD	21,742	4.273	Leurs ressources sont des fonds provenant des engagements financiers.	leurs ressources sont des fonds provenant des engagements financiers	lœʁ ʁəsuʁs sɔ̃ de fɔ̃ pʁovnɑ̃ dez ɑ̃ɡaʒmɑ̃ finɑ̃sje
male	OVoHeduPe3	7,626	5.2	L'habitacle, toujours largement intact, retomba alors vers l'océan.	l'habitacle toujours largement intact retomba alors vers l'océan	labitakl tuʒuʁ laʁʒəmɑ̃ ɛ̃takt ʁətɔ̃ba alɔʁ vɛʁ loseɑ̃
male	VfYbfJ7b-c	27,839	5.133	Mais l’adrénaline est pour certaines tellement forte qu'il leur est impossible de se contrôler.	mais l'adrénaline est pour certaines tellement forte qu'il leur est impossible de se controler	mɛ ladʁenalin ɛ puʁ sɛʁtɛn tɛlmɑ̃ fɔʁt kil lœʁ ɛt ɛ̃pɔsibl də sə kɔ̃tʁole
male	8qj8sUIINC	961	3.611	On spécifiait l'année en cours dans l'indiction courante.	on spécifiait l'année en cours dans l'indiction courante	ɔ̃ spesifjɛ lane ɑ̃ kuʁ dɑ̃ lɛ̃diksjɔ̃ kuʁɑ̃t
male	I_zVBss1t0	24,871	4.028	Ensuite elle perdit coup sur coup sa mère, son mari et ses enfants.	ensuite elle perdit coup sur coup sa mère son mari et ses enfants	ɑ̃syit ɛl pɛʁdi ku syʁ ku sa mɛʁ sɔ̃ maʁi e sez ɑ̃fɑ̃
male	67GDVwNZyM	2,902	4.397	Un seul point est alors divisé équitablement entre les candidats de la liste.	un seul point est alors divisé équitablement entre les candidats de la liste	œ̃ sœl pwɛ̃ ɛt alɔʁ divize ekitabləmɑ̃ ɑ̃tʁ le kɑ̃dida də la list
female	xhadA5YPFM	8,578	3.246	Le duel entre les deux hommes est inévitable.	le duel entre les deux hommes est inévitable	lə dyɛl ɑ̃tʁ le døz ɔmz ɛt inevitabl
male	RMZU6K47KX	28,294	5.334	La furtivité passive est associée à un système électronique de furtivité active.	la furtivité passive est associée a un système électronique de furtivité active	la fyʁtivite pasiv ɛt asosje a œ̃ sistɛm elɛktʁonik də fyʁtivite aktiv
male	VewBNuSv0R	22,999	5.32	Elle se mesure avec des sons purs écoutés au casque dans un milieu insonore.	elle se mesure avec des sons purs écoutés au casque dans un milieu insonore	ɛl sə məzyʁ avɛk de sɔ̃ pyʁz ekutez o kask dɑ̃z œ̃ miljø ɛ̃sonɔʁ
female	rzNdLOoZm4	5,304	7.02	L'Ouest connaît un essor industriel tandis que l'Est conserve un mode de vie rural.	l'ouest connait un essor industriel tandis que l'est conserve un mode de vie rural	lwɛst kɔnɛt œ̃n esɔʁ ɛ̃dystʁiɛl tɑ̃di kə lɛ kɔ̃sɛʁv œ̃ mɔd də vi ʁyʁal
male	iZWJWEp5BG	27,734	4.331	La maison du Parc accueille chaque année différentes expositions temporaires.	la maison du parc accueille chaque année différentes expositions temporaires	la mɛzɔ̃ dy paʁk akœj ʃak ane difeʁɑ̃tz ɛkspozisjɔ̃ tɑ̃poʁɛʁ
male	jMngOy7BdQ	8,416	2.975	Elle part de Golmud pour arriver à Lhassa.	elle part de golmud pour arriver a lhassa	ɛl paʁ də ɡɔlmyd puʁ aʁive a lasa
female	swQImM_XnO	29,351	3.266	Nombre de ses pairs guitaristes se réclament de son influence.	nombre de ses pairs guitaristes se réclament de son influence	nɔ̃bʁ də se pɛʁ ɡitaʁist sə ʁeklam də sɔ̃ ɛ̃flyɑ̃s
female	R7Mh-VA0Gl	30,770	2.674	Ceux-ci servent de base à la flexion.	ceux ci servent de base a la flexion	søksi sɛʁv də baz a la flɛksjɔ̃
male	fsAH7Y7zm5	17,160	5.6	S'ensuivra une célèbre correspondance entre les deux écrivains allemands.	s'ensuivra une célèbre correspondance entre les deux écrivains allemands	sɑ̃syivʁa yn selɛbʁ koʁɛspɔ̃dɑ̃s ɑ̃tʁ le døz ekʁivɛ̃z almɑ̃
female	Rsw6ppioe6	31,299	4.239	Ces gains sont aussi dis à la lutte contre le paludisme et le sida.	ces gains sont aussi dis a la lutte contre le paludisme et le sida	se ɡɛ̃ sɔ̃t osi di a la lyt kɔ̃tʁ lə palydism e lə sida
female	Go9u20AT34	16,111	2.946	Qualifié second, il termine troisième.	qualifié second il termine troisième	kalifje səɡɔ̃t il tɛʁmin tʁwazjɛm
male	SifVxwIVzx	27,149	4.891	Intuitivement, c'est une fonction qui est limitée dans sa manière d'évoluer.	intuitivement c'est une fonction qui est limitée dans sa manière d'évoluer	ɛ̃tyitivmɑ̃ sɛt yn fɔ̃ksjɔ̃ ki ɛ limite dɑ̃ sa manjɛʁ devolye
male	RFj8CgE4eF	28,948	5.548	De la sorte, seules les informations pertinentes au contexte de l'échange lui seront demandées.	de la sorte seules les informations pertinentes au contexte de l'échange lui seront demandées	də la sɔʁt sœl lez ɛ̃fɔʁmasjɔ̃ pɛʁtinɑ̃tz o kɔ̃tɛkst də leʃɑ̃ʒ lyi səʁɔ̃ dəmɑ̃de
female	Rsw6ppioe6	31,336	5.737	Un cataphorique: Il était entendu que nous devrions tous être silencieux.	un cataphorique il était entendu que nous devrions tous être silencieux	œ̃ katafoʁik il etɛt ɑ̃tɑ̃dy kə nu dəvʁiɔ̃ tus ɛtʁ silɑ̃sjø
male	2_PQKxfDJG	19,632	5.555	Celui-ci rejeta finalement la responsabilité sur une petite communauté orientale, celle des chrétiens.	celui ci rejeta finalement la responsabilité sur une petite communauté orientale celle des chrétiens	səlyisi ʁəʒta finalmɑ̃ la ʁɛspɔ̃sabilite syʁ yn pətit kɔmynote oʁjɑ̃tal sɛl de kʁetjɛ̃
female	xo7OSUyr2n	11,723	5.276	Les nutriments sont des molécules produites lors de la digestion des aliments consommés.	les nutriments sont des molécules produites lors de la digestion des aliments consommés	le nytʁimɑ̃ sɔ̃ de molekyl pʁodyit lɔʁ də la diʒɛstjɔ̃ dez alimɑ̃ kɔ̃sɔme
female	xFKcXvgRnv	17,669	4.257	Les chaînes partenaires associées y participent avec voix consultative.	les chaines partenaires associées y participent avec voix consultative	le ʃɛn paʁtənɛʁz asosjez i paʁtisip avɛk vwa kɔ̃syltativ
male	OVoHeduPe3	7,552	3.5	Cette victoire connaît un retentissement important.	cette victoire connait un retentissement important	sɛt viktwaʁ kɔnɛt œ̃ ʁətɑ̃tismɑ̃ ɛ̃pɔʁtɑ̃
female	QzOLSkaTK8	33,472	3.873	De nombreux artistes incluent Montélimar dans leur tournée nationale.	de nombreux artistes incluent montélimar dans leur tournée nationale	də nɔ̃bʁøz aʁtistz ɛ̃kly mɔ̃telimaʁ dɑ̃ lœʁ tuʁne nasjonal
male	s3nwdjfq_M	31,711	2.971	Son hypothèse est exacte.	son hypothèse est exacte	sɔ̃n ipotɛz ɛt ɛɡzakt
female	Ifvp-hvm3v	9,361	2.541	Il exprime son envie de le rencontrer.	il exprime son envie de le rencontrer	il ɛkspʁim sɔ̃n ɑ̃vi də lə ʁɑ̃kɔ̃tʁe
male	cfBMY5FPwC	30,110	5.083	Dès les premières batailles, son habileté manœuvrière et son esprit de décision se révèlent.	dès les premières batailles son habileté manoeuvrière et son esprit de décision se révèlent	dɛ le pʁəmjɛʁ bataj sɔ̃n abilte manœvʁiɛʁ e sɔ̃n ɛspʁi də desizjɔ̃ sə ʁevɛl
male	VfYbfJ7b-c	27,947	5.458	La recombinaison est donc l'un des processus essentiels de l'évolution des espèces.	la recombinaison est donc l'un des processus essentiels de l'évolution des espèces	la ʁəkɔ̃binɛzɔ̃ ɛ dɔ̃k lœ̃ de pʁosɛsys esɑ̃sjɛl də levolysjɔ̃ dez ɛspɛs
male	otATC1T-zq	3,701	4.68	De là, la branche sud rejoint Lavaur, Vielmur, Castres, Mazamet.	de la la branche sud rejoint lavaur vielmur castres mazamet	də la la bʁɑ̃ʃ syd ʁəʒwɛ̃ lavoʁ vjɛlmyʁ kastʁ mazamɛ
male	__3bGP7YNz	26,454	2.955	Sa sœur, Sylvie d'Aquitaine, sera déclarée sainte.	sa soeur sylvie d'aquitaine sera déclarée sainte	sa sœʁ silvi dakitɛn səʁa deklaʁe sɛ̃t
male	s3nwdjfq_M	31,685	5.24	La ville et ses palais tombent en désuétude.	la ville et ses palais tombent en désuétude	la vil e se palɛ tɔ̃bt ɑ̃ dezyetyd
male	jMngOy7BdQ	8,373	4.261	Ces versions sont généralement disponibles sur leurs sites Web respectifs.	ces versions sont généralement disponibles sur leurs sites web respectifs	se vɛʁsjɔ̃ sɔ̃ ʒeneʁalmɑ̃ disponibl syʁ lœʁ sit wɛb ʁɛspɛktif
female	7BYtbJjuiW	20,901	4.169	Il interdit les lits et pour montrer l’exemple, il dort lui-même sur la paille.	il interdit les lits et pour montrer l'exemple il dort lui même sur la paille	il ɛ̃tɛʁdi le liz e puʁ mɔ̃tʁe lɛɡzɑ̃pl il dɔʁ lyimɛm syʁ la paj
male	cdgzyorcfa	30,474	2.847	On parle alors plutôt de blindage électromagnétique.	on parle alors plutot de blindage électromagnétique	ɔ̃ paʁl alɔʁ plytɔ̃ də blɛ̃daʒ elɛktʁomaɲetik
male	SkzCyWO9tE	23,114	4.664	La bibliothèque veut conserver un unique exemplaire et empêcher toute diffusion.	la bibliothèque veut conserver un unique exemplaire et empêcher toute diffusion	la bibliotɛk vø kɔ̃sɛʁve œ̃n ynik ɛɡzɑ̃plɛʁ e ɑ̃pɛʃe tut difyzjɔ̃
male	2_PQKxfDJG	19,714	4.36	Il fait partie intégrante de la gastronomie régionale du nord de la France.	il fait partie intégrante de la gastronomie régionale du nord de la france	il fɛ paʁti ɛ̃teɡʁɑ̃t də la ɡastʁonomi ʁeʒjonal dy nɔʁ də la fʁɑ̃s
female	PVEvIx4sJo	20,162	4.226	Ce nouveau titre lui confère un statut similaire à celui d'un empereur.	ce nouveau titre lui confère un statut similaire a celui d'un empereur	sə nuvo titʁ lyi kɔ̃fɛʁ œ̃ staty similɛʁ a səlyi dœ̃n ɑ̃pʁœʁ
male	LHU5KS75GS	3,361	5.18	Beaucoup d’entre eux devinrent des délinquants qui prônaient une certaine attitude décontractée.	beaucoup d'entre eux devinrent des délinquants qui pronaient une certaine attitude décontractée	boku dɑ̃tʁ ø dəvɛ̃ʁ de delɛ̃kɑ̃ ki pʁonɛt yn sɛʁtɛn atityd dekɔ̃tʁakte
female	bqghCvVJQK	24,250	2.707	Cette époque incarne avant tout la liberté.	cette époque incarne avant tout la liberté	sɛt epok ɛ̃kaʁn avɑ̃ tu la libɛʁte
male	G5Lty3QoqA	4,625	4.278	Ces deux clubs disputent leurs matchs sur le terrain du stade municipal.	ces deux clubs disputent leurs matchs sur le terrain du stade municipal	se dø klœb dispyt lœʁ matʃ syʁ lə tɛʁɛ̃ dy stad mynisipal
male	n-rAYDLlC6	4,917	3.4	C'est par ce dernier qu'il s'initie à l'arithmétique.	c'est par ce dernier qu'il s'initie a l'arithmétique	sɛ paʁ sə dɛʁnje kil sinisi a l aʁitmetik
male	OVoHeduPe3	7,513	5.909	Pendant la Première Guerre mondiale, les Irlandais se révolteront et la répression sera féroce.	pendant la première guerre mondiale les irlandais se révolteront et la répression sera féroce	pɑ̃dɑ̃ la pʁəmjɛʁ ɡɛʁ mɔ̃djal lez iʁlɑ̃dɛ sə ʁevɔltəʁɔ̃t e la ʁepʁɛsjɔ̃ səʁa feʁɔs
female	Err1MhC7Ap	12,689	4.96	Et le Pape est à la tête du collège des évêques.	et le pape est a la tête du collège des évêques	e lə pap ɛt a la tɛt dy kɔlɛʒ dez evɛk
female	P2gC8Eg3i_	21,372	4.502	Son voyage s'est ensuite poursuivi vers l'Armorique puis la Grande-Bretagne.	son voyage s'est ensuite poursuivi vers l'armorique puis la grande bretagne	sɔ̃ vwajaʒ sɛt ɑ̃syit puʁsyivi vɛʁ laʁmoʁik pyi la ɡʁɑ̃dbʁətaɲ
male	EbrvgDbJum	1,971	3.06	Pictures annulera le projet.	pictures annulera le projet	piktyʁz anylʁa lə pʁoʒɛ
female	Ifvp-hvm3v	9,368	4.836	C'est certainement l'application la plus importante du concept d'isotope.	c'est certainement l'application la plus importante du concept d'isotope	sɛ sɛʁtɛnmɑ̃ laplikasjɔ̃ la plyz ɛ̃pɔʁtɑ̃t dy kɔ̃sɛpt dizotɔp
male	cdgzyorcfa	30,554	3.38	Les Autrichiens faisaient appel aux hussards hongrois.	les autrichiens faisaient appel aux hussards hongrois	lez otʁiʃjɛ̃ fəzɛt apɛl o ysaʁ ɔ̃ɡʁwa
male	_fpbOX5XWL	26,798	4.077	Une ligne large discontinue est peinte au sol en travers de la route.	une ligne large discontinue est peinte au sol en travers de la route	yn liɲ laʁʒ diskɔ̃tiny ɛ pɛ̃t o sɔl ɑ̃ tʁavɛʁ də la ʁut
female	DQgzY7_lQF	20,286	3.888	Cette dynastie héréditaire débuta dans la période prébouddhiste.	cette dynastie héréditaire débuta dans la période prébouddhiste	sɛt dinasti eʁeditɛʁ debyta dɑ̃ la peʁjɔd pʁebudist
female	bqghCvVJQK	24,191	4.082	Cette récompense entraîne un regain d'intérêt pour l'école autrichienne d'économie.	cette récompense entraine un regain d'intérêt pour l'école autrichienne d'économie	sɛt ʁekɔ̃pɑ̃s ɑ̃tʁɛn œ̃ ʁəɡɛ̃ dɛ̃teʁɛ puʁ lekɔl otʁiʃjɛn dekonomi
female	e8x4erSI6y	33,691	4.213	Mais il existe de nombreux autres types de cadrans beaucoup plus originaux.	mais il existe de nombreux autres types de cadrans beaucoup plus originaux	mɛz il ɛɡzist də nɔ̃bʁøz otʁ tip də kadʁɑ̃ boku plyz oʁiʒino
male	h-hkV2m18h	24,388	3.806	L'origine de ces explosions, longtemps restées mystérieuses, est trouvée.	l'origine de ces explosions longtemps restées mystérieuses est trouvée	loʁiʒin də sez ɛksplozjɔ̃ lɔ̃tɑ̃ ʁɛste misteʁjøzz ɛ tʁuve
female	Go9u20AT34	16,079	5.927	La gravitation et l'énergie noire restent constantes mais ont tendance à accélérer.	la gravitation et l'énergie noire restent constantes mais ont tendance a accélérer	la ɡʁavitasjɔ̃ e lenɛʁʒi nwaʁ ʁɛst kɔ̃stɑ̃t mɛz ɔ̃ tɑ̃dɑ̃s a akseleʁe
male	hEJ3DwJCFf	3,152	5.34	Il y dirige des groupes ouvriers et combat les thèses anarchistes.	il y dirige des groupes ouvriers et combat les thèses anarchistes	il i diʁiʒ de ɡʁupz uvʁiez e kɔ̃ba le tɛzz anaʁʃist
female	g9y-aY9T-f	31,543	4.05	Les préfets des départements et les services de l’État étaient sous leur autorité.	les préfets des départements et les services de l'état étaient sous leur autorité	le pʁefɛ de depaʁtəmɑ̃z e le sɛʁvis də leta etɛ su lœʁ otoʁite
female	yVPPwl3Gcv	10,897	4.93	Aujourd'hui, seul le puits du cimetière est encore visible, mais a été condamné.	aujourd'hui seul le puits du cimetière est encore visible mais a été condamné	oʒuʁdyi sœl lə pyi dy simtjɛʁ ɛt ɑ̃kɔʁ vizibl mɛz a ete kɔ̃dane
female	cgInfNFZ3w	20,539	7.04	Les mines d'or limousines sont d'ailleurs très mal documentées pour l'époque mérovingienne.	les mines d'or limousines sont d'ailleurs très mal documentées pour l'époque mérovingienne	le min dɔʁ limuzin sɔ̃ dajœʁ tʁɛ mal dokymɑ̃te puʁ lepok meʁovɛ̃ʒjɛn
female	PHA1xU6xp-	8,006	4.219	Et c'est cette liste qui gagna les élections dès le premier tour.	et c'est cette liste qui gagna les élections dès le premier tour	e sɛ sɛt list ki ɡaɲa lez elɛksjɔ̃ dɛ lə pʁəmje tuʁ
female	e8x4erSI6y	33,631	3.512	Cette période aboutit à la formation du fœtus.	cette période aboutit a la formation du foetus	sɛt peʁjɔd abuti a la fɔʁmasjɔ̃ dy foətys
male	67GDVwNZyM	2,899	3.32	Les plus utilisés sont liquides ou solides.	les plus utilisés sont liquides ou solides	le plyz ytilize sɔ̃ likid u solid
female	JGDWZXOs8X	18,782	5.34	Cette section ne présente que les principaux instruments de la batterie du samba.	cette section ne présente que les principaux instruments de la batterie du samba	sɛt sɛksjɔ̃ nə pʁezɑ̃t kə le pʁɛ̃sipoz ɛ̃stʁymɑ̃ də la batʁi dy sɑ̃ba
male	mcw8hIiK5m	31,120	3.46	Ensuite seulement viennent les baronnets et les chevaliers.	ensuite seulement viennent les baronnets et les chevaliers	ɑ̃syit sølmɑ̃ vjɛn le baʁɔnɛz e le ʃəvalje
male	sqtLPM8sUg	30,195	3.326	Certaines comme le balbuzard pêcheur font l’objet d’une surveillance.	certaines comme le balbuzard pêcheur font l'objet d'une surveillance	sɛʁtɛn kɔm lə balbyzaʁ pɛʃœʁ fɔ̃ lɔbʒɛ dyn syʁvɛjɑ̃s
female	t-USVmUT45	13,006	5.972	Pour définir avec précision une fréquence, il faut observer l'oscillation pendant une longue durée.	pour définir avec précision une fréquence il faut observer l'oscillation pendant une longue durée	puʁ definiʁ avɛk pʁesizjɔ̃ yn fʁekɑ̃s il fot ɔbsɛʁve lɔsilasjɔ̃ pɑ̃dɑ̃ yn lɔ̃ɡ dyʁe
female	g9y-aY9T-f	31,419	3.952	Paul-Brousse fait également partie d'un groupement hospitalier universitaire.	paul brousse fait également partie d'un groupement hospitalier universitaire	polbʁus fɛt eɡalmɑ̃ paʁti dœ̃ ɡʁupmɑ̃ ɔspitalje ynivɛʁsitɛʁ
male	EbrvgDbJum	2,001	2.76	Il avait correspondu avec Michelet.	il avait correspondu avec michelet	il avɛ koʁɛspɔ̃dy avɛk miʃlɛ
female	kwlumXZxEF	11,994	2.434	Il est libéré à la mi-août.	il est libéré a la mi aout	il ɛ libeʁe a la mi ut
male	4Z8TOzYO7H	4,152	3.64	Cette économie est un circuit économique.	cette économie est un circuit économique	sɛt ekonomi ɛt œ̃ siʁkyi ekonomik
male	9rVaV7AVvQ	25,692	2.392	Cela a plusieurs conséquences générales.	cela a plusieurs conséquences générales	səla a plyzjœʁ kɔ̃sekɑ̃s ʒeneʁal
female	-Kbn69Lr0s	8,996	7.145	Plus abstraitement, la modalité affecte le cadre dans lequel une affirmation est satisfaite.	plus abstraitement la modalité affecte le cadre dans lequel une affirmation est satisfaite	plyz abstʁɛtmɑ̃ la modalite afɛkt lə kadʁ dɑ̃ ləkɛl yn afiʁmasjɔ̃ ɛ satisfɛt
male	hEJ3DwJCFf	3,087	5.4	Les subdivisions du Paléolithique ne sont pas synchrones d'un continent à l'autre.	les subdivisions du paléolithique ne sont pas synchrones d'un continent a l'autre	le sybdivizjɔ̃ dy paleolitik nə sɔ̃ pa sɛ̃kʁon dœ̃ kɔ̃tinɑ̃ a lotʁ
male	bLjZZDTp9F	7,196	4.626	L'ordre d'un élément est égal à l'ordre du groupe cyclique engendré par cet élément.	l'ordre d'un élément est égal a l'ordre du groupe cyclique engendré par cet élément	lɔʁdʁ dœ̃n elemɑ̃ ɛt eɡal a lɔʁdʁ dy ɡʁup siklik ɑ̃ʒɑ̃dʁe paʁ sɛt elemɑ̃
female	GAbahP9XeW	5,636	5.426	Elle projette alors de relier Saint-Lô à la mer en rendant la Vire navigable.	elle projette alors de relier saint lo a la mer en rendant la vire navigable	ɛl pʁoʒɛt alɔʁ də ʁəlje sɛ̃ lo a la mɛʁ ɑ̃ ʁɑ̃dɑ̃ la viʁ naviɡabl
female	pD5EdR4fpZ	11,844	3.6	Il y a une identité entre les deux notions.	il y a une identité entre les deux notions	il i a yn idɑ̃tite ɑ̃tʁ le dø nosjɔ̃
female	Q3QZA5g8qK	10,333	5.061	Ceux-ci firent raser les murailles pour se faire des jardins ou des habitations.	ceux ci firent raser les murailles pour se faire des jardins ou des habitations	sø si fiʁ ʁaze le myʁaj puʁ sə fɛʁ de ʒaʁdɛ̃ u dez abitasjɔ̃

End of preview. Expand in Data Studio

Dataset Card for VibraVox

👀 While waiting for the TooBigContentError issue to be resolved by the HuggingFace team, you can explore the dataset viewer of vibravox-test which has exactly the same architecture.

DATASET SUMMARY

The VibraVox dataset is a general purpose audio dataset of french speech captured with body-conduction transducers. This dataset can be used for various audio machine learning tasks :

Automatic Speech Recognition (ASR) (Speech-to-Text , Speech-to-Phoneme)
Audio Bandwidth Extension (BWE)
Speaker Verification (SPKV) / identification
Voice cloning
etc ...

Dataset usage

VibraVox contains 4 subsets, corresponding to different situations tailored for specific tasks. To load a specific subset simply use the following command (subset can be any of the following : "speech_clean" , "speech_noisy" , "speechless_clean" , "speechless_noisy"):

from datasets import load_dataset
subset = "speech_clean"
vibravox = load_dataset("Cnam-LMSSC/vibravox", subset)

The dataset is also compatible with the streaming mode:

from datasets import load_dataset
subset = "speech_clean"
vibravox = load_dataset("Cnam-LMSSC/vibravox", subset, streaming=True)

Citations, links and details

Homepage: For more information about the project, visit our project page on https://vibravox.cnam.fr
Github repository: jhauret/vibravox : Source code for ASR, BWE and SPKV tasks using the Vibravox dataset
pip-installable Python package: pypi/project/vibravox : ASR, BWE and SPKV tasks using the Vibravox dataset
Published paper: available (Open Access) on Speech Communication and arXiV
Point of Contact: Julien Hauret and Éric Bavu
Curated by: AVA Team of the LMSSC Research Laboratory
Funded by: Agence Nationale Pour la Recherche / AHEAD Project
Language: French
Download size : 186.64 GB
Total audio duration : 45.62 hours (x6 audio channels)
Number of speech utterances : 28,095
License: Creative Commons Attributions 4.0

If you use the Vibravox dataset for research, cite this paper :

@article{hauret2025vibravox,
      title={{Vibravox: A dataset of french speech captured with body-conduction audio sensors}},
      author={{Hauret, Julien and Olivier, Malo and Joubaud, Thomas and Langrenne, Christophe and
        Poir{\'e}e, Sarah and Zimpfer, V{\'e}ronique and Bavu, {\'E}ric},
      journal={Speech Communication},
      pages={103238},
      year={2025},
      publisher={Elsevier}
}

and this repository, which is linked to a DOI :

@misc{cnamlmssc2024vibravoxdataset,
    author={Hauret, Julien and Olivier, Malo and Langrenne, Christophe and
        Poir{\'e}e, Sarah and Bavu, {\'E}ric},
    title        = { {Vibravox} (Revision 7990b7d) },
    year         = 2024,
    url          = { https://huggingface.co/datasets/Cnam-LMSSC/vibravox },
    doi          = { 10.57967/hf/2727 },
    publisher    = { Hugging Face }
}

SUPPORTED TASKS

Automatic-speech-recognition

The model is presented with an audio file and asked to transcribe the audio file to written text (either normalized text of phonemized text). The most common evaluation metrics are the word error rate (WER), character error rate (CER), or phoneme error rate (PER).
Training code: An example of implementation for the speech-to-phoneme task using wav2vec2.0 is available on the Vibravox Github repository and with the pip-installable Python package.
Trained models: We also provide trained models for the speech-to-phoneme task for each of the 6 speech sensors of the Vibravox dataset on Huggingface at Cnam-LMSSC/vibravox_phonemizers

Bandwidth-extension

Also known as audio super-resolution, which is required to enhance the audio quality of body-conducted captured speech. The model is presented with a pair of audio clips (from a body-conducted captured speech, and from the corresponding clean, full bandwidth airborne-captured speech), and asked to enhance the audio by denoising and regenerating mid and high frequencies from low frequency content only.
Training code: An example of implementation of this task using Configurable EBEN (arXiv link) is available on the Vibravox Github repository and with the pip-installable Python package.
Trained models: We also provide trained models for the BWE task for each of the 6 speech sensors of the Vibravox dataset on Huggingface at Cnam-LMSSC/vibravox_EBEN_bwe_models.
BWE-Enhanced dataset: An EBEN-enhanced version of the testsplits of the Vibravox dataset, generated using these 6 bwe models, is also available on Huggingface at Cnam-LMSSC/vibravox_enhanced_by_EBEN.

Speaker-verification

Given an input audio clip and a reference audio clip of a known speaker, the model's objective is to compare the two clips and verify if they are from the same individual. This often involves extracting embeddings from a deep neural network trained on a large dataset of voices. The model then measures the similarity between these feature sets using techniques like cosine similarity or a learned distance metric. This task is crucial in applications requiring secure access control, such as biometric authentication systems, where a person's voice acts as a unique identifier.
Testing code: An example of implementation of this task using a pretrained ECAPA2 model is available on the Vibravox Github repository and with the pip-installable Python package.

Adding your models for supported tasks or contributing for new tasks

Feel free to contribute at the Vibravox Github repository, by following the contributor guidelines.

DATASET DETAILS

Dataset Description

VibraVox ([vibʁavɔks]) is a GDPR-compliant dataset scheduled released in June 2024. It includes speech recorded simultaneously using multiple audio and vibration sensors (from top to bottom on the following figure) :

a forehead miniature vibration sensor (green)
an in-ear comply foam-embedded microphone (red)
an in-ear rigid earpiece-embedded microphone (blue)
a temple vibration pickup (cyan)
a headset microphone located near the mouth (purple)
a laryngophone (orange)

The technology and references of each sensor is described and documented in the dataset creation section and https://vibravox.cnam.fr/documentation/hardware/.

Goals

The VibraVox speech corpus has been recorded with 200 participants under various acoustic conditions imposed by a 5th order ambisonics spatialization sphere.

VibraVox aims at serving as a valuable resource for advancing the field of body-conducted speech analysis and facilitating the development of robust communication systems for real-world applications.

Unlike traditional microphones, which rely on airborne sound waves, body-conduction sensors capture speech signals directly from the body, offering advantages in noisy environments by eliminating the capture of ambient noise. Although body-conduction sensors have been available for decades, their limited bandwidth has restricted their widespread usage. However, this may be the awakening of this technology to a wide public for speech capture and communication in noisy environments.

Data / sensor mapping

Even if the names of the columns in Vibravox dataset are self-explanatory, here is the mapping, with informations on the positioning of sensors and their technology :

Vibravox dataset column name	Sensor	Location	Technology
`audio.headset_microphone`	Headset microphone	Near the mouth	Cardioid electrodynamic microphone
`audio.throat_microphone`	Laryngophone	Throat / Larynx	Piezoelectric sensor
`audio.soft_in_ear_microphone`	In-ear soft foam-embedded microphone	Right ear canal	Omnidirectional electret condenser microphone
`audio.rigid_in_ear_microphone`	In-ear rigid earpiece-embedded microphone	Left ear-canal	Omnidirectional MEMS microphone
`audio.forehead_accelerometer`	Forehead vibration sensor	Frontal bone	One-axis accelerometer
`audio.temple_vibration_pickup`	Temple vibration pickup	Zygomatic bone	Figure of-eight pre-polarized condenser transducer

DATASET STRUCTURE

Subsets

Each of the 4 subsets contain 6 columns of audio data, corresponding to the 5 different body conduction sensors, plus the standard headset microphone.

Recording was carried out simultaneously on all 6 sensors, audio files being sampled at 48 kHz and encoded as .wav PCM32 files.

The 4 subsets correspond to :

speech_clean : the speaker reads sentences sourced from the French Wikipedia. This split contains the most data for training for various tasks.
speech_noisy : the speaker reads sentences sourced from the French Wikipedia, in a noisy environment based on ambisonic recordings replayed in a spatialization sphere equipped with 56 loudspeakers surrounding the speaker. This will primarily serve to test the different systems (Speech Enhancement, Automatic Speech Recognition, Speaker Verification) that will be developed based on the recordings from the first three phases. It is primarily intended for testing the various systems (speech enhancement, automatic speech recognition, speaker verification) that will be developed on the basis of the recordings from speech_clean.
speechless_clean : wearer of the devices remains speechless in a complete silence, but are free to move their bodies and faces, and can swallow and breathe naturally. This configuration can be conveniently used to generate synthetic datasets with realistic physiological (and sensor-inherent) noise captured by body-conduction sensors. These samples can be valuable for tasks such as heart rate tracking or simply analyzing the noise properties of the various microphones, but also to generate synthetic datasets with realistic physiological (and sensor-inherent) noise captured by body-conduction sensors.
speechless_noisy : wearer of the devices remains speechless in a noisy environment created using AudioSet noise samples. These samples have been selected from relevant classes, normalized in loudness, pseudo-spatialized and are played from random directions around the participant using 5th order ambisonic 3D sound spatializer equipped with 56 loudspeakers. The objective of this split is to gather background noises that can be combined with the speech_clean recordings to maintain a clean reference. This allows to use those samples for realistic data-augmentation using noise captured by body-conduction sensors, with the inherent attenuation of each sensors on different device wearers.

Splits

All the subsets are available in 3 splits (train, validation and test), with a standard 80% / 10% / 10% repartition, without overlapping any speaker in each split.

The speakers / participants in specific splits are the same for each subset, thus allowing to:

use the speechless_noisy for data augmentation for example
test on the speech_noisy testset your models trained on the speech_clean trainset without having to worry that a speaker would have been presented in the training phase.

Data Fields

In non-streaming mode (default), the path value of all dataset. Audio dictionnary points to the locally extracted audio. In streaming mode, the path is the relative path of an audio inside its archive (as files are not downloaded and extracted locally).

Common Data Fields for all subsets :

audio.headset_microphone (datasets.Audio) - a dictionary containing the path to the audio recorded by the headset microphone, the decoded (mono) audio array, and the sampling rate.
audio.forehead_accelerometer (datasets.Audio) - a dictionary containing the path to the audio recorded by the forehead miniature accelerometer, the decoded (mono) audio array, and the sampling rate.
audio.soft_in_ear_microphone (datasets.Audio) - a dictionary containing the path to the audio recorded by the in-ear soft foam-embedded microphone, the decoded (mono) audio array, and the sampling rate.
audio.rigid_in_ear_microphone (datasets.Audio) - a dictionary containing the path to the audio recorded by the in-ear rigid earpiece-embedded microphone, the decoded (mono) audio array, and the sampling rate.
audio.temple_vibration_pickup (datasets.Audio) - a dictionary containing the path to the audio recorded by the temple vibration pickup, the decoded (mono) audio array, and the sampling rate.
audio.throat_microphone (datasets.Audio) - a dictionary containing the path to the audio recorded by the piezeoelectric laryngophone, the decoded (mono) audio array, and the sampling rate.
gender (string) - gender of speaker (maleor female)
speaker_id (string) - encrypted id of speaker
duration (float32) - the audio length in seconds.

Extra Data Fields for speech_clean and speech_noisy splits:

For speech subsets, the datasets has columns corresponding to the pronounced sentences, which are absent of the speechless subsets :

sentence_id (int) - id of the pronounced sentence
raw_text (string) - audio segment text (cased and with punctuation preserved)
normalized_text (string) - audio segment normalized text (lower cased, no punctuation, diacritics replaced by standard 26 french alphabet letters, plus 3 accented characters : é,è,ê and ç -- which hold phonetic significance -- and the space character, which corresponds to 31 possible characters : [' ', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z', 'ç', 'è', 'é', 'ê']).
phonemes (string) - audio segment phonemized text using exclusively the strict french IPA (33) characters

Phonemes list and tokenizer

The strict french IPA characters used in Vibravox are : [' ', 'a', 'b', 'd', 'e', 'f', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 's', 't', 'u', 'v', 'w', 'y', 'z', 'ø', 'ŋ', 'œ', 'ɑ', 'ɔ', 'ə', 'ɛ', 'ɡ', 'ɲ', 'ʁ', 'ʃ', 'ʒ', '̃'].
For convience and research reproducibility, we provide a tokenizer for speech-to-phonemes tasks that corresponds to those phonemes at https://huggingface.co/Cnam-LMSSC/vibravox-phonemes-tokenizer.

Examples of data Instances

`speech_clean` or `speech_noisy` splits:

{
    'audio.headset_mic': {
        'path': '02472_headset_mic.wav',
        'array': array([ 0.00045776,  0.00039673,  0.0005188 , ..., -0.00149536,
                        -0.00094604,  0.00036621]),
        'sampling_rate': 48000},
    'audio.forehead_accelerometer': {
        'path': '02472_forehead_accelerometer.wav',
        'array': array([ 0.0010376 , -0.00045776, -0.00085449, ..., -0.00491333,
                        -0.00524902, -0.00302124]),
        'sampling_rate': 48000},
    'audio.soft_in_ear_mic': {
        'path': '02472_soft_in_ear_mic.wav',
        'array': array([-0.06472778, -0.06384277, -0.06292725, ..., -0.02133179,
                        -0.0213623 , -0.02145386]),
        'sampling_rate': 48000},
    'audio.rigid_in_ear_mic': {
     'path': '02472_rigid_in_ear_mic.wav',
     'array': array([-0.01824951, -0.01821899, -0.01812744, ..., -0.00387573,
                     -0.00427246, -0.00439453]),
        'sampling_rate': 48000},
    'audio.temple_vibration_pickup':{
        'path': '02472_temple_vibration_pickup.wav',
        'array': array([-0.0177002 , -0.01791382, -0.01745605, ...,  0.01098633,
                        0.01260376,  0.01220703]),
        'sampling_rate': 48000},
    'audio.laryngophone': {
        'path': '02472_laryngophone.wav',
        'array': array([-2.44140625e-04, -3.05175781e-05,  2.13623047e-04, ...,
                        4.88281250e-04,  4.27246094e-04,  3.66210938e-04]),
        'sampling_rate': 48000},
    'gender': 'female',
    'speaker_id': 'qt4TPMEPwF',
    'sentence_id': 2472,
    'duration': 4.5,
    'raw_text': "Cette mémoire utilise le changement de phase du verre pour enregistrer l'information.",
    'normalized_text': 'cette mémoire utilise le changement de phase du verre pour enregistrer l information',
    'phonemized_text': 'sɛt memwaʁ ytiliz lə ʃɑ̃ʒmɑ̃ də faz dy vɛʁ puʁ ɑ̃ʁʒistʁe lɛ̃fɔʁmasjɔ̃'
}

`speechless_clean` or `speechless_noisy` splits

(thus missing the text-related fields)

{
    'audio.headset_mic': {
        'path': 'jMngOy7BdQ_headset_mic.wav',
        'array': array([-1.92260742e-03, -2.44140625e-03, -2.99072266e-03, ...,
                        0.00000000e+00,  3.05175781e-05, -3.05175781e-05]),
        'sampling_rate': 48000},
    'audio.forehead_accelerometer': {
        'path': 'jMngOy7BdQ_forehead_accelerometer.wav',
        'array': array([-0.0032959 , -0.00259399,  0.00177002, ..., -0.00073242,
                        -0.00076294, -0.0005188 ]),
        'sampling_rate': 48000},
    'audio.soft_in_ear_mic': {
        'path': 'jMngOy7BdQ_soft_in_ear_mic.wav',
        'array': array([0.00653076, 0.00671387, 0.00683594, ..., 0.00045776, 0.00042725,
                       0.00042725]),
        'sampling_rate': 48000},
    'audio.rigid_in_ear_mic': {
        'path': 'jMngOy7BdQ_rigid_in_ear_mic.wav',
        'array': array([ 1.05895996e-02,  1.03759766e-02,  1.05590820e-02, ...,
                        0.00000000e+00, -3.05175781e-05, -9.15527344e-05]),
        'sampling_rate': 48000},
    'audio.temple_vibration_pickup': {
        'path': 'jMngOy7BdQ_temple_vibration_pickup.wav',
        'array': array([-0.00082397, -0.0020752 , -0.0012207 , ..., -0.00738525,
                        -0.00814819, -0.00579834]), 'sampling_rate': 48000},
    'audio.laryngophone': {
        'path': 'jMngOy7BdQ_laryngophone.wav',
        'array': array([ 0.00000000e+00,  3.05175781e-05,  1.83105469e-04, ...,
                        -6.10351562e-05, -1.22070312e-04, -9.15527344e-05]),
        'sampling_rate': 48000},
    'gender': 'male',
    'speaker_id': 'jMngOy7BdQ',
    'duration': 54.097
}

DATA STATISTICS

Speakers gender balance

To increase the representativeness and inclusivity of the dataset, a deliberate effort was made to recruit a diverse and gender-balanced group of speakers. The overall gender repartition in terms of number of speakers included in the dataset is 51.6% female participants / 48.4% male participants for all subsets.

Speakers age balance

Gender	Mean age (years)	Median age (years)	Min age (years)	Max age (years)
Female	25.9	22	19	59
Male	31.4	27	18	82
All	28.55	25	18	82

Audio data

Subset	Split	Audio duration (hours)	Number of audio clips	Download size	Number of Speakers (Female/Male)	F/M Gender repartition (audio duration)	Mean audio duration (s)	Median audio duration (s)	Max audio duration (s)	Min audio duration (s)
`speech_clean`	`train` `validation` `test`	6x26.34 6x3.11 6x3.85	6x20,981 6x2,523 6x3,064	108.32GB 12.79GB 15.84GB	77F/72M 9F/9M 11F/10M	52.13%/47.87% 51.66%/48.34% 54.43%/45.57%	4.52 4.44 4.53	4.43 4.36 4.44	13.03 10.64 10.27	1.1 1.47 1.38
`speech_noisy`	`train` `validation` `test`	6x1.57 6x0.17 6x0.23	6x1,220 6x132 6x175	6.52GB 0.71GB 0.94GB	77F/72M 9F/9M 11F/10M	54.0%/46.0% 55.77%/44.23% 53.92%/46.08%	4.64 4.64 4.65	4.59 4.47 4.7	9.86 8.56 7.67	1.36 2.3 1.85
`speechless_clean`	`train` `validation` `test`	6x2.24 6x0.27 6x0.32	6x149 6x18 6x21	8.44GB 1.02GB 1.19GB	77F/72M 9F/9M 11F/10M	51.68%/48.32% 50.00%/50.00% 52.38%/47.62%	54.10 54.10 54.10	54.10 54.10 54.10	54.10 54.10 54.10	53.99 54.05 54.10
`speechless_noisy`	`train` `validation` `test`	6x5.96 6x0.72 6x0.84	6x149 6x18 6x21	24.48GB 2.96GB 3.45GB	77F/72M 9F/9M 11F/10M	51.68%/48.32% 50.00%/50.00% 52.38%/47.62%	144.03 144.03 144.04	144.03 144.03 144.03	144.17 144.05 144.05	143.84 143.94 144.03
Total		6x45.62	6x28,471	186.64GB	97F/91M	52.11%/47.89%

DATASET CREATION

Textual source data

The text read by all participants is collected from the French Wikipedia subset of Common voice ( link1 link2 ) . We applied some additional filters to these textual datasets in order to create a simplified dataset with a minimum number of tokens and to reduce the uncertainty of the pronunciation of some proper names. We therefore removed all proper names except common first names and the list of french towns. We also removed any utterances that contain numbers, Greek letters, math symbols, or that are syntactically incorrect.

All lines of the textual source data from Wikipedia-extracted textual dataset has then been phonemized using the bootphon/phonemizer and manually edited to only keep strict french IPA characters.

Audio Data Collection

Sensors positioning and documentation

Sensor	Transducer	Online documentation
Reference headset microphone	Shure WH20	See documentation on vibravox.cnam.fr
In-ear comply foam-embedded microphone	Knowles FG-23329-P07	See documentation on vibravox.cnam.fr
In-ear rigid earpiece-embedded microphone	Knowles SPH1642HT5H	See documentation on vibravox.cnam.fr
Forehead miniature vibration sensor	Knowles BU23173-000	See documentation on vibravox.cnam.fr
Temple vibration pickup	AKG C411	See documentation on vibravox.cnam.fr
Laryngophone	iXRadio XVTM822D-D35	See documentation on vibravox.cnam.fr

Recorded audio data post-processing

Across the sentences collected from the participants, a small number of audio clips exhibited various shortcomings. Despite researchers monitoring and validating each recording individually, the process was not entirely foolproof : mispronounced sentences, sensors shifting from their initial positions, or more significant microphone malfunctions occasionally occurred. In instances where sensors were functional but not ideally positioned—such as when the participant's ear canal was too small for the rigid in-ear microphone to achieve proper acoustic sealing—we chose to retain samples where the bandwidth was slightly narrower than desired. This decision was made to enhance the robustness of our models against the effects of misplaced sensors.

To address those occasional shortcomings and offer a high-quality dataset, we implemented a series of 3 automatic filters to retain only the best audio from the speech_clean subset. We preserved only those sentences where all sensors were in optimal recording condition, adhering to predefined criteria, defined in our paper :

The first filter uses a pre-trained ASR model run on the headset microphone data, which allows to address discrepancies between the labeled transcription and actual pronunciation, ensuring high-quality labels for the speech-to-phoneme task.
The second filter confirms that the sensor is functioning correctly by verifying that speech exhibits higher energy than silence, thereby identifying potentially unreliable recordings with low vocal energy levels or sensor malfunction.
The third filter detects sensitivity drift in the sensors, which can occur due to electronic malfunctions or mechanical blockages in the transducer.
If an audio clip passes all filters, it is not immediately added to the dataset. Instead, VAD-generated timestamps from whisper-timestamped are used, extending them by 0.3 seconds on both sides. This method helps remove mouse clicks at audio boundaries and ensures the capture of vocal segments without excluding valid speech portions.

Personal and Sensitive Information

The VibraVox dataset does not contain any data that might be considered as personal, sensitive, or private (e.g., data that reveals addresses, uniquely identifiable names or aliases, racial or ethnic origins, sexual orientations, religious beliefs, political opinions, financial or health data, etc.).

The speaker_id were generated using a powerful Fernet encryption algorithm, and the extraction of a subset of the encrypted id, guaranteeing a strict anonymisation of the voice recordings, while allowing the dataset maintainers to delete corresponding data under the right to oblivion.

A consent form has been signed by each participant to the VibraVox dataset. This consent form has been approved by the Cnam lawyer. All Cnil requirements have been checked, including the right to oblivion during 50 years.