Илья Латышев и Борис (автор канала «Борис опять») подготовили статью «Dialogs: a studio-quality expressive conversational Russian speech corpus for dialog assistants», которую приняли на конференцию Interspeech 2026i. В основе статьи — открытый студийный корпус выразительной русской разговорной речи объёмом 20 часов, записанный тремя профессиональными актёрами театра с разметкой эмоций.

Особенность корпуса — актёры записывали диалоги, сидя друг напротив друга и видя мимику и жесты партнёра, хотя текст реплик был заранее подготовлен (scriptedi). Такой подход сделал речь заметно более естественной и эмоциональной по сравнению с записью дикторов по одному. Корпус предназначен в первую очередь для файнтюна моделей синтеза речи (TTSi) и распространяется по открытой лицензии для исследований.

• Статья написана Ильёй Латышевым и Борисом, принята на Interspeech 2026
• Корпус включает 20 часов записей и 3 профессиональных диктора — актёров театра
• В корпусе размечен широкий набор эмоций и разговорных стилей
• Для качества записи важны одинаковые микрофоны и аудиоцепочка для всех дикторов, постоянное расстояние до микрофона, контроль фонового шума и акустики, неизменные настройки записи между сессиями
• По словам Ильи, при создании корпуса были переносы записей, сорванные дедлайны и организационные сложности, из-за которых проект казался незавершаемым
• В статье приводятся результаты обучения моделей синтеза речи на корпусе и субъективная оценка их качества
• По мнению автора канала «grokaem себя», в опенсорсе мало датасетов такого качества, хотя диалоги в корпусе были scripted (заранее написанными)