movie2sub dataset

Say What Again: Audio-Subtitle Dataset from Quentin Tarantino Films《再言一次：昆汀·塔伦蒂诺（Quentin Tarantino）电影音频-字幕数据集》

搜集汇总

背景与挑战

背景概述

movie2sub dataset是一个从昆汀·塔伦蒂诺电影中提取的音频-字幕配对数据集，每个数据点包含约30秒的音频和对应字幕段。数据集分为训练集和测试集，训练集约1000个段，涵盖多样说话者和声学条件，测试集精选5个段以挑战重叠对话和背景噪声等复杂场景，适用于自动语音识别和娱乐领域研究。