Nexdata/Malay_Speech_Data_by_Mobile_Phone_Reading

该数据集包含156位马来语母语者在安静环境中录制的语音数据，内容涵盖经济、娱乐、新闻、口语、数字和字母等多个类别。每位发言人录制了约450个句子，总有效时长为134小时。所有文本均经过人工转录，确保高准确性。数据集支持自动语音识别（ASR）和音频说话人识别任务。语言为马来语。

YAML 标签：
- 复制粘贴通过标签工具获取的标签：https://github.com/huggingface/datasets-tagging

# 数据集卡片：Nexdata/马来语手机朗读语音数据集

## 目录
- [目录](#table-of-contents)
- [数据集描述](#dataset-description)
- [数据集概况](#dataset-summary)
- [支持任务与排行榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [遴选依据](#curation-rationale)
- [源数据](#source-data)
- [标注信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限性](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集策展人](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献内容](#contributions)

## 数据集描述

- **主页链接：** https://www.nexdata.ai/datasets/73?source=Huggingface
- **代码仓库：**
- **相关论文：**
- **排行榜：**
- **联系方式：**

### 数据集概况

本数据集包含156名说话人的马来语手机朗读语音数据，所有语音均由母语为马来语的说话人在安静环境中录制。数据内容丰富，涵盖经济、娱乐、新闻、口语、数字及字母等多个类别，每位说话人对应约450条语句，总有效时长为134小时。所有文本均经过人工转录，以确保极高的标注准确率。如需了解更多细节，请访问链接：https://www.nexdata.ai/datasets/73?source=Huggingface

### 支持任务与排行榜

自动语音识别（Automatic Speech Recognition, ASR）、音频说话人识别：本数据集可用于训练自动语音识别模型。

### 语言

马来语

## 数据集结构

### 数据实例

[需补充更多信息]

### 数据字段

[需补充更多信息]

### 数据划分

[需补充更多信息]

## 数据集构建

### 遴选依据

[需补充更多信息]

### 源数据

#### 初始数据采集与归一化

[需补充更多信息]

#### 源语言发声者是谁？

[需补充更多信息]

### 标注信息

#### 标注流程

[需补充更多信息]

#### 标注者是谁？

[需补充更多信息]

### 个人与敏感信息

[需补充更多信息]

## 数据集使用注意事项

### 数据集社会影响

[需补充更多信息]

### 偏差讨论

[需补充更多信息]

### 其他已知局限性

[需补充更多信息]

## 附加信息

### 数据集策展人

[需补充更多信息]

### 许可信息

商业许可：https://drive.google.com/file/d/1saDCPm74D4UWfBL17VbkTsZLGfpOQj1J/view?usp=sharing

### 引用信息

[需补充更多信息]

### 贡献内容

原始信息汇总

数据集概述

数据集名称

• 名称: Nexdata/Malay_Speech_Data_by_Mobile_Phone_Reading

数据集描述

• 摘要: 该数据集由156位马来语母语者通过移动电话在安静环境中录制，内容丰富，涵盖经济、娱乐、新闻、口语、数字和字母等多个类别。每位发言者约有450句话，总有效时长为134小时。所有文本均经过人工转录，确保高准确性。
• 支持的任务: 自动语音识别（ASR）和音频说话人识别。
• 语言: 马来语

数据集结构

• 数据实例: 待补充
• 数据字段: 待补充
• 数据分割: 待补充

数据集创建

• 来源数据: 待补充
• 注释过程: 待补充
• 个人和敏感信息: 待补充

使用数据的考虑

• 社会影响: 待补充
• 偏见讨论: 待补充
• 其他已知限制: 待补充

附加信息

• 许可证信息: 商业许可证，详情见链接：https://drive.google.com/file/d/1saDCPm74D4UWfBL17VbkTsZLGfpOQj1J/view?usp=sharing
• 数据集管理者: 待补充
• 引用信息: 待补充

搜集汇总

背景与挑战

背景概述

该数据集是一个马来语语音数据集的样本，包含156名母语为马来语的说话者在安静环境下录制的语音数据，内容涵盖多个类别，总有效时长为134小时，所有文本均经过人工转录。数据集支持自动语音识别和音频说话人识别任务，完整版本需付费获取。