formospeech/moe_hakkadict

该数据集包含多个配置，每个配置包含音频数据、文本数据、国际音标（IPA）标注、方言信息、说话者信息等。数据集主要用于语音识别、方言研究、语音合成等任务。每个配置的数据集大小和样本数量不同，涵盖了不同的方言或地区。

This dataset includes multiple configurations, each containing audio data, text data, International Phonetic Alphabet (IPA) annotations, dialect information, speaker information, etc. The dataset is primarily used for tasks such as speech recognition, dialect research, and speech synthesis. Each configuration varies in dataset size and number of samples, covering different dialects or regions.

原始信息汇总

数据集概述

数据集配置

1. 大埔 (dapu)

• 特征:
  • id: string
  • audio: audio
  • duration: float64
  • text: string
  • ipa: string
  • dialect: string
  • speaker: string
• 分割:
  • train:
    • 字节数: 733007608.57
    • 样本数: 13443
• 下载大小: 1106552508
• 数据集大小: 733007608.57
• 数据文件:
  • train: dapu/train-*

2. 海陆 (hailu)

• 特征:
  • id: string
  • audio: audio
  • duration: float64
  • text: string
  • ipa: string
  • dialect: string
  • speaker: string
• 分割:
  • train:
    • 字节数: 700065950.255
    • 样本数: 14445
• 下载大小: 737687562
• 数据集大小: 700065950.255
• 数据文件:
  • train: hailu/train-*

3. 南四县 (nansixian)

• 特征:
  • id: string
  • audio: audio
  • duration: float64
  • text: string
  • ipa: string
  • dialect: string
  • speaker: string
• 分割:
  • train:
    • 字节数: 851824911.752
    • 样本数: 13817
• 下载大小: 778408541
• 数据集大小: 851824911.752
• 数据文件:
  • train: nansixian/train-*

4. 饶平 (raoping)

• 特征:
  • id: string
  • audio: audio
  • duration: float64
  • text: string
  • ipa: string
  • dialect: string
  • speaker: string
• 分割:
  • train:
    • 字节数: 477203070.316
    • 样本数: 11699
• 下载大小: 476839561
• 数据集大小: 477203070.316
• 数据文件:
  • train: raoping/train-*

5. 四县 (sixian)

• 特征:
  • id: string
  • audio: audio
  • duration: float64
  • text: string
  • ipa: string
  • dialect: string
  • speaker: string
• 分割:
  • train:
    • 字节数: 590762596.3
    • 样本数: 14407
• 下载大小: 600262597
• 数据集大小: 590762596.3
• 数据文件:
  • train: sixian/train-*

6. 诏安 (zhaoan)

• 特征:
  • id: string
  • audio: audio
  • duration: float64
  • text: string
  • ipa: string
  • dialect: string
  • speaker: string
• 分割:
  • train:
    • 字节数: 411367326.681
    • 样本数: 10059
• 下载大小: 434646069
• 数据集大小: 411367326.681
• 数据文件:
  • train: zhaoan/train-*

搜集汇总

背景与挑战

背景概述

该数据集当前无法访问，因为访问频率超过了系统限制，建议稍后重试或调整连接设置。