ymoslem/EUbookshop-Speech-Irish

该数据集是一个合成的音频数据集，使用Azure文本到语音服务创建。双语文本来自EUbookshop数据集的一部分，包含33,634个文本段。数据集包括两组音频数据，一组使用女性声音（OrlaNeural），另一组使用男性声音（ColmNeural）。语音数据总计约159小时45分钟，分布在67,268个话语中。数据集的结构包括音频、爱尔兰语文本（text_ga）和英语文本（text_en）三个特征。

原始信息汇总

数据集详情

数据集概述

• 数据集名称: EUbookshop-Speech-Irish
• 创建方法: 使用Azure文本转语音服务创建的合成音频数据集。
• 语言: 爱尔兰语（ga）和英语（en）
• 数据来源: 基于EUbookshop数据集的33,634个文本片段。
• 音频数据: 包含女性声音（OrlaNeural）和男性声音（ColmNeural）的音频数据。
• 总时长: 约159小时45分钟（159:45:05）
• 总条目数: 67,268条

数据集结构

• 特征:
  • audio: 音频数据
  • text_ga: 爱尔兰语文本
  • text_en: 英语文本
• 数据量: 67,268条记录

数据集配置

• 配置名称: default
• 数据文件:
  • train: 包含训练数据，路径为data/train-*

许可证

• 许可证类型: eupl-1.1

任务类别

• 任务类型:
  • 自动语音识别
  • 文本转语音
  • 翻译

大小类别

• 数据集大小: 10K<n<100K

引用

• 相关论文:
  • Moslem, Yasmin. "Leveraging Synthetic Audio Data for End-to-End Low-Resource Speech Translation." Proceedings of the 2024 International Conference on Spoken Language Translation (IWSLT 2024), April 2024, Bangkok, Thailand.
  • Tiedemann, Jörg. "Parallel Data, Tools and Interfaces in OPUS." Proceedings of the Eighth International Conference on Language Resources and Evaluation (LREC12), May 2012, Istanbul, Turkey.