SEACrowd/jv_id_asr
收藏资源简介：
该数据集包含爪哇语的转录音频数据，由Google与雷克雅未克大学和印度尼西亚加查马达大学合作收集。数据集包括音频文件和TSV文件，其中TSV文件包含文件ID、用户ID和音频文件的转录文本。数据集经过手动质量检查，但仍可能存在错误。数据集支持语音识别任务，并提供了使用`datasets`和`seacrowd`库加载数据集的示例代码。数据集的版本信息、许可证和引用信息也在README中提供。
该数据集包含爪哇语的转录音频数据，由Google与雷克雅未克大学和印度尼西亚加查马达大学合作收集。数据集包括音频文件和TSV文件，其中TSV文件包含文件ID、用户ID和音频文件的转录文本。数据集经过手动质量检查，但仍可能存在错误。数据集支持语音识别任务，并提供了使用`datasets`和`seacrowd`库加载数据集的示例代码。数据集的版本信息、许可证和引用信息也在README中提供。
Jv Id Asr 数据集概述
基本信息
- 语言: Javanese
- 任务类别: 语音识别
- 标签: 语音识别
数据集描述
- 内容: 包含Javanese语言的转录音频数据。
- 格式: 包含波形文件和TSV文件。
- TSV文件: 包含FileID、UserID和音频文件的转录文本。
- 质量: 数据集经过手动质量检查，但可能仍存在错误。
- 收集机构: 由Google与Reykjavik University和Universitas Gadjah Mada合作收集。
支持任务
- 语音识别
数据集版本
- 源版本: 1.0.0
- SEACrowd版本: 2024.06.20
数据集许可证
- Attribution-ShareAlike 4.0 International
引用
-
引用格式:
@inproceedings{kjartansson-etal-sltu2018, title = {{Crowd-Sourced Speech Corpora for Javanese, Sundanese, Sinhala, Nepali, and Bangladeshi Bengali}}, author = {Oddur Kjartansson and Supheakmungkol Sarin and Knot Pipatsrisawat and Martin Jansche and Linne Ha}, booktitle = {Proc. The 6th Intl. Workshop on Spoken Language Technologies for Under-Resourced Languages (SLTU)}, year = {2018}, address = {Gurugram, India}, month = aug, pages = {52--55}, URL = {http://dx.doi.org/10.21437/SLTU.2018-11}, }
@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }
