Multilingual Audio Book Dataset

kaggle2023-07-21 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/abhinaydubey/multilingual-audio-book-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-07-21

multilingual_audio_alignments

这是一个大规模的多语言语音数据集，包含了英语、德语、法语、西班牙语、俄语、日语、韩语、葡萄牙语、土耳其语和泰语等多种语言的语音数据。数据集使用了Montreal Forced Aligner (MFA)进行了精确的单词和音素对齐。每个样本包括原始音频、文本转录、单词和音素的详细时间对齐信息。数据集还提供了每种语言的配置、小时数、样本数和来源等信息。总估计小时数超过20,000小时。

Hugging Face2026-01-08 更新180

multilingual_book_corpus

该数据集包含多语言版本的书籍内容，用于测试多语言架构。具体包括英文版的《哈利·波特与火焰杯》和《共和国》，以及俄文版的《哈利·波特与被诅咒的孩子》。

github2020-03-25 更新90

Audio Book Data

kaggle2020-03-26 更新00

AAdonis/multilingual_audio_alignments

这是一个大规模的多语言语音数据集，使用蒙特利尔强制对齐器（MFA）提供了精确的单词级别和音素级别的对齐信息。数据集整合了多种语言的语音语料库，每个样本包括原始音频、转录文本以及单词和音素的详细时间信息。数据集支持多种语言，包括英语、德语、法语、西班牙语、俄语、日语、韩语、葡萄牙语、土耳其语和泰语等。总时长估计超过20,000小时。数据集的主要特征包括音频波形、文本转录、音素序列、单词和音素的对齐信

Hugging Face2026-05-01 更新20

Audio Book Corpus

Audio Book Corpus项目旨在帮助语言学研究人员在文本到语音领域进行纯学术研究。目前包含约200分钟的德语语音数据，未来将扩展至包括法语、西班牙语、捷克语、荷兰语、波兰语、罗马尼亚语等多种欧洲语言。数据来源于Librivox，采用深度学习和模糊匹配技术进行半自动标注。

github2016-01-04 更新100