kalpalabs/stt-bench

IndicVoices数据集包含多种印度语言的语音数据，包括音频文件路径、文本、持续时间、语言、样本数量、说话者ID、场景、任务名称、性别、年龄组、职业类型、资格、地区、州、职业、验证报告、未经处理的文本和规范化文本等信息。Lahaja数据集包含测试集，包含音频文件路径、文本、语言、未经处理的文本、规范化文本、持续时间、场景、姓名、母语、性别、年龄组、母语州和母语区等信息。Svarah数据集包含测试集，包含音频文件路径、持续时间、文本、性别、年龄组、主要语言、出生地州、出生地区、最高学历、职业类别和职业领域等信息。fleurs数据集包含多种印度语言的语音数据，包括音频文件路径、采样率、转录文本、原始转录文本、性别、语言ID、语言组ID等信息。