seanghay/khmer_grkpp_speech

该数据集包含高棉语（Khmer）的音频和对应的转录文本，主要用于研究目的，特别是针对低资源语言。数据集总时长为4.446小时，包含533个训练样本。

This dataset contains Khmer audio recordings and their corresponding transcriptions, primarily intended for research purposes, especially for low-resource language studies. The total duration of the dataset is 4.446 hours, and it includes 533 training samples.

原始信息汇总

数据集概述

数据集特征

• audio: 音频数据类型
• transcription: 字符串数据类型

数据集分割

• train:
  • 示例数量: 533
  • 数据大小: 1089950686 字节

数据集大小与下载信息

• 下载大小: 1087070422 字节
• 数据集总大小: 1089950686 字节

语言信息

• 语言: 高棉语 (km)

数据集名称

• 名称: Khmer Speech of Phnom Penh Gendarmerie

搜集汇总

背景与挑战

背景概述

该数据集是一个高棉语语音数据集，包含533条音频-文本对，总时长为4.446小时，文件大小为1.09 GB，以parquet格式存储。它专为自动语音识别研究设计，旨在支持高棉语这种低资源语言的语音处理任务，并已用于训练多个whisper模型。