khursanirevo/dialogue-episodes

---
license: cc-by-nc-4.0
language:
- en
- ms
- zh
- ru
- id
- ar
- ja
- ko
multilinguality:
- multilingual
task_categories:
- automatic-speech-recognition
- translation
---

# Multi-Language Dialogue Episodes Dataset

## Dataset Description

This dataset contains dialogue episodes with multi-language transcripts and separated speaker audio.

### Features

- **24,076 dialogue segments** from 138 videos
- **Multi-language transcripts** in 9 languages
- **Separated speakers** - 2-channel audio
- **Multi-channel audio** - stereo WAV files (24kHz)

### Usage

```python
from datasets import load_dataset

ds = load_dataset("khursanirevo/dialogue-episodes")
sample = ds["train"][0]

# Play audio
from IPython.display import Audio
Audio(sample["audio"]["array"], rate=sample["audio"]["sampling_rate"])
```

## License

CC-BY-NC-4.0

许可证：知识共享署名-非商业性使用4.0国际许可协议（CC-BY-NC-4.0）
语言：
- 英语（en）
- 马来语（ms）
- 中文（zh）
- 俄语（ru）
- 印尼语（id）
- 阿拉伯语（ar）
- 日语（ja）
- 韩语（ko）
多语言属性：多语言
任务类别：
- 自动语音识别
- 机器翻译

# 多语言对话剧集数据集（Multi-Language Dialogue Episodes Dataset）

## 数据集描述
本数据集包含带有多语言转录文本与分离说话人音频的对话剧集。

### 数据集特性
- **24076段对话片段**，源自138个视频
- **覆盖9种语言的多语言转录文本**
- **分离说话人音频**——双声道音频
- **多声道音频**——立体声WAV文件（24kHz采样率）

### 使用方法
python
from datasets import load_dataset

ds = load_dataset("khursanirevo/dialogue-episodes")
sample = ds["train"][0]

# 播放音频
from IPython.display import Audio
Audio(sample["audio"]["array"], rate=sample["audio"]["sampling_rate"])

## 许可证
知识共享署名-非商业性使用4.0国际许可协议（CC-BY-NC-4.0）