spktsagar/openslr-nepali-asr-cleaned

该数据集包含尼泊尔语的转录音频数据，音频文件为flac格式，并附带一个TSV文件。数据集经过手动质量检查，但仍可能存在错误。音频文件的采样率为16KHz，并使用torchaudio的语音活动检测功能去除前后静音。数据集支持自动语音识别任务，语言为尼泊尔语。数据集结构包括数据实例、数据字段和数据分割信息。

原始信息汇总

数据集概述

数据集配置

• original: 原始数据配置
• cleaned: 预处理数据配置

数据集特征

• utterance_id: 字符串类型，标识语音记录
• speaker_id: 字符串类型，标识说话者
• utterance: 音频特征，采样率为16000Hz
• transcription: 字符串类型，语音转录文本
• num_frames: 整数类型，波形数组长度

数据集分割

• train: 训练集
  • 数据大小: 40925646字节
  • 示例数量: 157905

下载信息

• original配置下载大小: 9340083067字节
• cleaned配置下载大小: 5978669282字节

数据集语言

• Nepali: 尼泊尔语

数据集用途

• automatic-speech-recognition: 用于自动语音识别模型的训练