zhikangniu/voxcanvas 是用于处理 VoxCanvas-41M 数据集的仓库，该数据集用于训练指令式语音编辑模型。它提供以真实录音语音为输入，串联对齐、标注、合成、验证和导出的 5 阶段流水线。仓库使用 Python 实现，许可证为 MIT。FACTS 中未记载公开发布版本。
该流水线在原始语音上关联编辑片段与指令，生成符合指令内容的语音。它在语音识别和强制对齐之后构建编辑片段与指令，并在合成阶段使用 F5-TTS。验证阶段检查语音识别结果和说话人相似度。各阶段所用的语音识别与强制对齐模型已包含在代码中，执行脚本说明支持按阶段断点续跑以及单 GPU 或多 GPU 处理。迷你运行示例包含 20 条中文和英文语音。论文、数据集和演示页面的地址也一并公开，便于跟进流水线及相关资料。
不过，FACTS 中没有公开发布版本，也没有给出用于判断数据集分布或训练性能的评估数值。因此目前能够确认的只有处理阶段和运行方式，仅凭这些信息仍难以判断数据集的质量或模型训练的效果。