talking-head数据集
MEAD: A Large-scale Audio-visual Dataset for Emotional Talking-face Generation
开放了48个演员的数据，每个演员有8个情绪，每个情绪三个强度，7个视角拍摄
<[uniBruce/Mead：MEAD：用于情感说话面孔生成的大规模视听数据集 ECCV2020] (github.com)>
百度网盘下载
48个男性，43个女性，20-74岁，多人种
演员发出12个句子，每个句子用6种情绪，4种情绪水平
git-lfs下载
大型数据集，从油管截取，150000个句子，1251个人
<VoxCeleb>
| 数据集名 | 时长 | 词汇量 | 图片尺寸 | 拍摄环境 | 数据类型 | 拍摄时间 | 重点 | 下载链接 |
|---|---|---|---|---|---|---|---|---|
| MEAD4 | 40h*48人 | / | 1920*1080 | 室内 | 7个视角，以人脸为中心 | 2020 | 多视角，多情感 | MEAD |
| HDTF | 15.8h | / | 512*512 | 野外 | 以人脸为中心 | 2021 | 野外高分辨率视频 | HDTF |
| CREMA-D | / | / | / | / | 人脸为中心 | 2017 | 多情感 | [CREMA](CheyneyComputerScience/CREMA-D：众包情感多模态参与者数据集（CREMA-D） (github.com)) |
| VoxCeleb 2 | 2000h+ | / | / | 野外 | 公开的youtube视频 | 2018 | 超大规模，多人，多职业，多年龄段 | [VoxCeleb2](沃克斯名人 (ox.ac.uk)) |
| LSR2 | 2min*1000+ | <100 | / | 野外 | 公开youtube视频，标出人脸区域 | 按预训练，训练，验证和测试分类 | [LSR2](唇读句子 2 （LRS2） 数据集 (ox.ac.uk)) | |
| LRW | 111h | 500 | 256*256 | 野外 | 1-2s的说话人脸视频 | 2016 | 每个视频对应一个英文单词 | [LRW](Lip Reading in the Wild (LRW) dataset (ox.ac.uk)) |
| GRID | 28h | 51 | 720*576 | 室内 | 3s的人脸中心视频 | 2006 | 每个视频对应6个英文单词 | [GRID](视听伦巴第语音语料库 (shef.ac.uk)) |
| BIWI | 19h*14人 | / | / | 室内 | 三维的人脸数据集 | 2010 | 三维人脸数据，按表情分类 | [BIWI](ETHZ - Computer Vision Lab: Biwi 3D Audiovisual Corpus of Affective Communication - B3D(AC)^2) |
| VOCASET | / | / | 5023个点 | 室内 | 3d人脸点云 | 2019 | 高质量人脸扫描 | VOCASET |
| LSVSR | 3900h | 127k | / | 野外 | 人脸中心视频 | 2018 | 最大的现存的数据库，youtube截取 | 没公开 |