VoxVietnamese_dataset

kaggle2025-11-11 更新2025-12-06 收录

越南语语音识别

音频数据处理

数据链接：

https://www.kaggle.com/datasets/nhatranvan/voxvietnamese-dataset 数据链接链接失效反馈

官方服务：

资源简介：

After fixing some samples which has only 1 .wav

在修复部分仅包含1个.wav文件的样本后

创建时间：

2025-11-11

distil-whisper/ami-sdm

自动语音识别

音频数据处理

这是AMI SDM数据集的一个变体，增加了Whisper模型的伪标签转录。伪标签转录是通过使用Whisper large-v2模型对输入音频数据进行贪婪采样生成的。数据集的使用方法包括安装最新版本的🤗 Datasets包，通过`load_dataset`函数下载和预处理数据集，或者使用流式模式直接从Hub加载数据集。此外，还提供了如何使用该数据集进行Distil Whisper训练的指导。数据集

Hugging Face2023-09-25 更新680

distil-whisper/ami-ihm

自动语音识别

音频数据处理

该数据集是AMI IHM数据集的一个变体，增加了Whisper模型的伪标注转录。这些伪标注是通过使用Whisper large-v2模型对输入音频数据进行贪婪采样生成的。数据集主要用于自动语音识别任务，语言为英语。

Hugging Face2023-09-25 更新160

FPT Open Speech Dataset (FOSD) - Vietnamese

越南语语音识别

语音合成

This dataset consists of 25,921 recorded Vietnamese speeches (with their transcripts and the labelled start and end times of each speech) manually compiled from 3 sub-datasets (approximately 30 hours

NIAID Data Ecosystem90

Stuttering Events in Podcasts Dataset (SEP-28k)

语音障碍分析

音频数据处理

Stuttering event annotations for approximately 28,000 3-second clips

kaggle2022-06-21 更新280

drum-percussion-kits

音乐采样

音频数据处理

Drum & Percussion Kits 是一个多样化的鼓和打击乐单次采样集合，专为合成和数据增强流程设计。该数据集结合了来自 SampleSwap 的免费采样、有机单次录音以及 850 多个程序生成的采样。数据集总大小约为 1.2 GB，分布在 4 个 tar 归档文件中。数据集旨在为鼓转录和合成模型的训练提供广泛的音色覆盖，超越任何单一录音套件所能提供的音色多样性。数据集结构包括音频文件、

Hugging Face2026-02-21 更新100

VoxVietnamese_dataset

资源简介：

相关数据集