anjalyjayakrishnan/test

Snow Mountain数据集包含11种印度语言的圣经音频录音（以.mp3格式）和相应的文本。录音由母语者在录音室环境中完成，每种语言在数据集中只有一个说话者。这些语言大多集中在印度北部的喜马偕尔邦附近，并且由于与印地语相关，它们都使用天城文进行转录。该数据集已用于自动语音识别任务的实验，但也可用于语音领域的其他应用，如说话人识别、语言识别，甚至作为预训练的无标签语料库。

原始信息汇总

数据集概述

数据集名称: Snow Mountain

语言:

• Hindi
• Haryanvi
• Bilaspuri
• Dogri
• Bhadrawahi
• Gaddi
• Kangri
• Kulvi
• Mandeali
• Kulvi Outer Seraji
• Pahari Mahasui

支持的任务:

• 自动语音识别
• 说话人识别
• 语言识别

数据集大小:

• 总时长: 71.41小时 (hi配置) + 27.41小时 (bgc配置)

数据集结构:

• 配置 hi:
  • 特征:
    • Unnamed: int64
    • sentence: string
    • path: string
  • 分割:
    • train_500: 400个样本
    • val_500: 100个样本
    • train_1000: 800个样本
    • val_1000: 200个样本
    • test_common: 500个样本
• 配置 bgc:
  • 特征:
    • Unnamed: int64
    • sentence: string
    • path: string
  • 分割:
    • train_500: 400个样本
    • val_500: 100个样本
    • train_1000: 800个样本
    • val_1000: 200个样本
    • test_common: 500个样本

数据集创建:

• 源数据: 《圣经》录音由母语者在一个工作室环境中完成。
• 许可证: Creative Commons Attribution-ShareAlike 4.0 International Public License (CC BY-SA 4.0)

引用信息:

@inproceedings{Raju2022SnowMD, title={Snow Mountain: Dataset of Audio Recordings of The Bible in Low Resource Languages}, author={Kavitha Raju and V. Anjaly and R. Allen Lish and Joel Mathew}, year={2022} }