kdcyberdude/sttcidni-tagged

该数据集包含多个与语音相关的特征，如持续时间、文本内容、来源、性别、说话者ID、音调均值、音调标准差、信噪比、C50、语速、音素、STOI、SI-SDR、PESQ、噪声、混响、语音单调性和音调等。数据集主要用于语音分析和处理，可能涉及语音识别、语音质量评估、说话者识别等领域。数据集包含一个训练集，共有11498个样本，总大小为6836092字节。

This dataset includes multiple features related to speech, such as duration, text content, source, gender, speaker ID, mean pitch, pitch standard deviation, signal-to-noise ratio, C50, speaking rate, phonemes, STOI, SI-SDR, PESQ, noise, reverberation, speech monotony, and pitch. The dataset is primarily used for speech analysis and processing, potentially involving speech recognition, speech quality assessment, and speaker identification. The dataset contains a training set with 11,498 samples and a total size of 6,836,092 bytes.

原始信息汇总

数据集概述

特征信息

• duration: 类型为 float64，表示持续时间。
• text: 类型为 string，表示文本内容。
• source: 类型为 string，表示来源。
• gender: 类型为 string，表示性别。
• speaker_id: 类型为 string，表示说话者ID。
• utterance_pitch_mean: 类型为 float32，表示话语音调的平均值。
• utterance_pitch_std: 类型为 float32，表示话语音调的标准差。
• snr: 类型为 float64，表示信噪比。
• c50: 类型为 float64，表示C50值。
• speaking_rate: 类型为 string，表示说话速率。
• phonemes: 类型为 string，表示音素。
• stoi: 类型为 float64，表示STOI值。
• si-sdr: 类型为 float64，表示SI-SDR值。
• pesq: 类型为 float64，表示PESQ值。
• noise: 类型为 string，表示噪声。
• reverberation: 类型为 string，表示混响。
• speech_monotony: 类型为 string，表示语音单调性。
• pitch: 类型为 string，表示音高。
• text_description: 类型为 string，表示文本描述。

数据集划分

• train: 包含11498个样本，总大小为6836092字节。

数据集大小

• 下载大小: 2377566字节
• 数据集总大小: 6836092字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*