zhikangniu/voxcanvas는 지시문 기반 음성 편집 모델 학습을 위한 VoxCanvas-41M 데이터셋 처리 저장소다. 실제 녹음 음성을 입력으로 정렬, 주석, 합성, 검증, 내보내기를 잇는 5단계 파이프라인을 제공한다. 저장소의 구현 언어는 Python이며 라이선스는 MIT다. 공개된 릴리스 버전은 FACTS에 기재되어 있지 않다.
파이프라인은 원본 음성에 편집 구간과 지시문을 연결하고, 지시 내용에 맞춘 음성을 만드는 흐름이다. 음성 인식과 강제 정렬(forced alignment) 뒤 편집 구간과 지시문을 구성하며, 합성 단계에는 F5-TTS를 사용한다. 검증 단계에서는 음성 인식 결과와 화자 유사도를 확인한다. 각 단계에서 사용한 음성 인식·강제 정렬 모델이 코드에 포함되어 있고, 실행 스크립트는 단계별 재개와 단일 또는 다중 GPU 처리를 지원한다고 설명한다. 미니 실행 예제에는 중국어와 영어 음성 20개가 포함된다. 논문과 데이터셋, 데모 페이지의 주소도 함께 공개되어 있어 파이프라인과 관련 자료를 따라갈 수 있다.
다만 FACTS에는 공개 릴리스 버전이 없고, 데이터셋 분포나 학습 성능을 판단할 평가 수치도 제시되어 있지 않다. 따라서 현재 확인할 수 있는 것은 처리 단계와 실행 방식이며, 이 정보만으로 데이터셋의 품질이나 모델 학습 효과까지 판단하기는 어렵다.