seanghay/kmcs

---
license: apache-2.0
dataset_info:
features:
- name: audio
dtype: audio
- name: transcription
dtype: string
splits:
- name: train
num_bytes: 1226373371.915
num_examples: 5565
download_size: 1064307923
dataset_size: 1226373371.915
---

# ⚠️ Migration Notice

Moved to [seanghay/km-speech-corpus](https://huggingface.co/datasets/seanghay/km-speech-corpus)

## Khmer Common Speech 1.0

This dataset contains 5,565 samples of Khmer speech downloaded from public YouTube videos. 4.83 hours in total.

This dataset was made by this project: https://github.com/seanghay/subtitle-demuxer

## References

- [Chanty Sothy](https://github.com/chantysothy) - the initial idea and YouTube links with Khmer subtitles.

许可证：Apache-2.0
数据集信息：
特征：
- 名称：音频（audio），数据类型：音频
- 名称：转录文本（transcription），数据类型：字符串
划分：
- 名称：训练集（train），字节数：1226373371.915，样本数量：5565
下载大小：1064307923，数据集总大小：1226373371.915

# ⚠️ 迁移通知
已迁移至 [seanghay/km-speech-corpus](https://huggingface.co/datasets/seanghay/km-speech-corpus)

## 高棉通用语音1.0版
本数据集包含5565条从公开YouTube视频中获取的高棉语语音样本，总时长共计4.83小时。
本数据集由项目https://github.com/seanghay/subtitle-demuxer 制作完成。

## 参考文献
- [Chanty Sothy](https://github.com/chantysothy) —— 提出了最初的创意构想，并提供了带有高棉语字幕的YouTube链接来源。

原始信息汇总

Khmer Common Speech 1.0 数据集概述

数据集信息

特征

• 音频：数据类型为音频。
• 转录文本：数据类型为字符串。

数据分割

• 训练集：
  • 字节数：1,226,373,371.915
  • 样本数：5,565

数据大小

• 下载大小：1,064,307,923 字节
• 数据集大小：1,226,373,371.915 字节

数据集描述

该数据集包含 5,565 个从公开 YouTube 视频下载的柬埔寨语语音样本，总计 4.83 小时。

搜集汇总

背景与挑战

背景概述

该数据集详情页面因访问速度过快被限制，未提供具体数据集信息，仅包含访问限制提示和解决方案。