ToneBooksPlus

# ToneBooksPlus

**ToneBooksPlus** — расширенная версия датасета [Vikhrmodels/ToneBooks](https://huggingface.co/datasets/Vikhrmodels/ToneBooks), но без эмоциональной разметки. В датасете 179.16 часов аудио для `train` сплита и 9.42 часа для `validation`.
Большое спасибо [its5Q](https://huggingface.co/datasets/its5Q/biggest-ru-book) за помощь в сборе этих данных.

---

## Описание

Для каждого аудиофрагмента собраны:
1. **Ссылка на MP3-файл** (`audio`)
2. **Текстовая расшифровка** (`text`)
3. **Имя голоса** (`voice_name`) — одно из имён дикторов:
- Aleksandr Kotov
- Aleksandr Zbarovskii
- Alina Archibasova
- Daniel Che
- Evgenii Babincev
- Evgenii Lebedev
- Irina Bulekova
- Jam Nebesky
- Maksim Suslov
- Smelova S
- И другие

---

## Формат записи (JSON)

```json
{
"audio": "https://.../train/000001.mp3",
"text": "Сорокапятилетний Немцов был худощавым меланхоличным мужчиной, неинициативным, излишне осторожным.,
"voice_name": "dmitrii_shabrov"
}
```

---

## Пример использования

```python
from datasets import load_dataset

ds = load_dataset("Vikhrmodels/ToneBooksPlus")
```

# ToneBooksPlus

**ToneBooksPlus** — 扩展版数据集[Vikhrmodels/ToneBooks](https://huggingface.co/datasets/Vikhrmodels/ToneBooks)，但移除了情感标注。该数据集的训练集包含179.16小时音频，验证集包含9.42小时音频。

特别感谢[its5Q](https://huggingface.co/datasets/its5Q/biggest-ru-book)为本次数据采集提供的支持。

---

## 数据集说明

针对每个音频片段，均包含以下字段信息：
1. **MP3文件链接**（字段名：`audio`）
2. **文本转录内容**（字段名：`text`）
3. **发声人姓名**（字段名：`voice_name`），为以下配音员之一：
- 亚历山大·科托夫（Aleksandr Kotov）
- 亚历山大·兹巴罗夫斯基（Aleksandr Zbarovskii）
- 阿丽娜·阿尔基巴索娃（Alina Archibasova）
- 丹尼尔·车（Daniel Che）
- 叶夫根尼·巴宾采夫（Evgenii Babincev）
- 叶夫根尼·列别杰夫（Evgenii Lebedev）
- 伊琳娜·布列科娃（Irina Bulekova）
- 贾姆·内贝斯基（Jam Nebesky）
- 马克西姆·苏斯洛夫（Maksim Suslov）
- 斯梅洛娃·S（Smelova S）
- 及其他配音员

---

## JSON数据格式

json
{
"audio": "https://.../train/000001.mp3",
"text": "Сорокапятилетний Немцов был худощавым меланхоличным мужчиной, неинициативным, излишне осторожным.",
"voice_name": "dmitrii_shabrov"
}

---

## 使用示例

python
from datasets import load_dataset

ds = load_dataset("Vikhrmodels/ToneBooksPlus")

搜集汇总

背景与挑战

背景概述

ToneBooksPlus是ToneBooks数据集的扩展版本，不包含情感标注，总计提供约188.58小时的音频数据，分为训练和验证集。每个音频片段均包含MP3文件链接、文本转录和旁白者姓名等信息。