ylacombe/mls-eng-tags-v2

该数据集包含多个特征，如原始路径、开始时间、结束时间、文本、音频时长、说话者ID、书籍ID、信噪比、C50、语音时长、语速、音素、STOI、SI-SDR和PESQ等。数据集分为开发集、测试集和训练集，分别包含3807、3769和10808037个样本。数据集的下载大小为3711889921字节，总大小为7136576852字节。

原始信息汇总

数据集概述

数据集特征

• original_path: 字符串类型
• begin_time: 浮点数类型（float64）
• end_time: 浮点数类型（float64）
• text: 字符串类型
• audio_duration: 浮点数类型（float64）
• speaker_id: 字符串类型
• book_id: 字符串类型
• snr: 浮点数类型（float32）
• c50: 浮点数类型（float32）
• speech_duration: 浮点数类型（float64）
• speaking_rate: 浮点数类型（float64）
• phonemes: 字符串类型
• stoi: 浮点数类型（float64）
• si-sdr: 浮点数类型（float64）
• pesq: 浮点数类型（float64）

数据集分割

• dev:
  • 数据量: 2512561 字节
  • 示例数: 3807
• test:
  • 数据量: 2496352 字节
  • 示例数: 3769
• train:
  • 数据量: 7131567939 字节
  • 示例数: 10808037

数据集大小

• 下载大小: 3711889921 字节
• 数据集总大小: 7136576852 字节

配置文件

• config_name: default
• data_files:
  • dev: data/dev-*
  • test: data/test-*
  • train: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是一个大规模的多模态英语语音数据集，包含超过1000万行数据，主要用于语音处理和自然语言处理任务。数据集提供了丰富的音频和文本信息，包括音频文件路径、文本转录、音标标注以及多种音频质量参数（如信噪比、语音清晰度等），适用于语音识别、语音合成和音频分析等研究。