czyzi0/luna-speech-dataset

该语音数据集包含10385个短音频片段，这些片段是多个说话者用波兰语进行的对话。每个片段都有转录，部分数据集还提供了说话者的性别信息。片段的总长度接近10小时。该数据集是从LUNA数据集中创建的，该数据集涉及公共交通话题的人-人和人-机对话。后处理包括提取包含人类语音的片段及其转录。

原始信息汇总

数据集概述

基本信息

• 许可证: BSD-2-Clause
• 任务类别: 自动语音识别
• 语言: 波兰语
• 数据集名称: LUNA
• 大小范围: 10K<n<100K

数据集特征

• 音频:
  • 采样率: 16000 Hz
• 转录文本: 字符串类型
• 性别: 字符串类型
• ID: 字符串类型

数据集划分

• 训练集:
  • 示例数量: 10385
  • 数据大小: 1068204279.3 字节
  • 下载大小: 1135905315 字节

数据集描述

• 包含10385个短音频片段，内容为多人在波兰语环境下的对话。
• 每个音频片段均附有转录文本，部分数据还提供了说话者的性别信息。
• 总时长近10小时。

数据来源

• 该数据集源自LUNA数据集，主要涉及公共交通主题的人机和人际对话。
• 原始数据可通过此链接获取。