Splend1dchan/librispeech_asr_individual

LibriSpeech是一个包含约1000小时16kHz英语朗读语音的语料库，数据来源于LibriVox项目的有声读物，并经过精心分段和对齐。该数据集支持自动语音识别（ASR）和音频说话人识别任务，包含两个配置：clean和other。clean配置的语音质量较高，口音更接近美式英语，而other配置的语音质量相对较低。数据集的结构包括音频文件路径、音频数据、文本转录、说话人ID、章节ID和唯一ID等信息。数据集分为训练集、验证集和测试集，训练集进一步分为train.100、train.360和train.500。

原始信息汇总

数据集概述

名称: LibriSpeech

语言: 英语（en）

许可证: CC-BY-4.0

多语言性: 单语种（monolingual）

任务类别:

• 自动语音识别（automatic-speech-recognition）
• 音频分类（audio-classification）

任务ID: 说话人识别（speaker-identification）

数据集大小: 100K<n<1M

源数据: 原始数据（original）

数据集结构

特征

• file: 字符串类型，音频文件路径。
• audio: 音频类型，采样率为16000 Hz。
• text: 字符串类型，音频转录文本。
• speaker_id: 整数类型，说话人唯一标识。
• chapter_id: 整数类型，有声书章节唯一标识。
• id: 字符串类型，数据样本唯一标识。

数据分割

• clean配置:

  • train.100: 28539个样本，6619683041字节。
  • train.360: 104014个样本，23898214592字节。
  • validation: 2703个样本，359572231字节。
  • test: 2620个样本，367705423字节。
  • 下载大小: 30121377654字节。
  • 数据集大小: 31245175287字节。

• other配置:

  • train.500: 148688个样本，31810256902字节。
  • validation: 2864个样本，337283304字节。
  • test: 2939个样本，352396474字节。
  • 下载大小: 31236565377字节。
  • 数据集大小: 32499936680字节。

• all配置:

  • 下载大小: 61357943031字节。
  • 数据集大小: 63826462287字节。

数据集创建

注释创建者: 专家生成（expert-generated）

语言创建者:

• 众包（crowdsourced）
• 专家生成（expert-generated）

搜集汇总

背景与挑战

背景概述

librispeech_asr_individual是一个大型英语语音识别数据集，包含约1000小时的16kHz朗读语音，来源于LibriVox项目的有声读物。数据集分为'clean'和'other'两个配置，支持自动语音识别和说话者识别任务，并提供音频文件、转录文本及说话者和章节信息。