oza75/bambara-tts

该数据集是一个专注于班巴拉语和法语的文本到语音（TTS）数据集，旨在帮助班巴拉语使用者无障碍地获取全球知识。数据集包含多个配置，每个配置都有不同的音频处理方式（如去噪、增强等），并且包含了音频文件、班巴拉语文本、法语翻译、音频时长、说话者嵌入和说话者ID等信息。数据集适用于TTS合成、语音识别、语言学研究以及教育内容创建等多个领域。

原始信息汇总

数据集概述

数据集信息

语言

• Bambara (bm)
• French (fr)

许可证

• CC-BY-SA-4.0

任务类别

• Text-to-Speech

数据集配置

默认配置

• 配置名称: default
• 特征:
  • audio: 采样率22050
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 30765个样本，数据大小3349350881.55字节，下载大小3236187232字节

降噪配置

• 配置名称: denoised
• 特征:
  • audio: 采样率22050
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 30765个样本，数据大小8746406033.55字节，下载大小7617758070字节

增强配置

• 配置名称: enhanced
• 特征:
  • audio: 采样率22050
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 30765个样本，数据大小4007425321.55字节，下载大小3300189350字节

Jeli ASR配置

• 配置名称: jeli_asr
• 特征:
  • audio: 采样率16000
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数64位
  • speaker_id: 整数32位
• 分割:
  • train: 26335个样本，数据大小2810771347.45字节，下载大小2674156876字节

Jeli ASR降噪配置

• 配置名称: jeli_asr_denoised
• 特征:
  • audio: 采样率16000
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_id: 整数32位
  • speaker_embeddings: 序列，浮点数64位
• 分割:
  • train: 26335个样本，数据大小7549806425.45字节，下载大小6487714877字节

Jeli ASR增强配置

• 配置名称: jeli_asr_enhanced
• 特征:
  • audio: 采样率16000
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 26335个样本，数据大小2756891639.45字节，下载大小2205844679字节

Mali Pense配置

• 配置名称: mali_pense
• 特征:
  • audio: 采样率22050
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 4430个样本，数据大小592513748.1字节，下载大小590736972字节

Mali Pense降噪配置

• 配置名称: mali_pense_denoised
• 特征:
  • audio: 采样率22050
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 4430个样本，数据大小1250533816.1字节，下载大小1160807299字节

Mali Pense增强配置

• 配置名称: mali_pense_enhanced
• 特征:
  • audio: 采样率22050
  • bambara: 字符串
  • french: 字符串
  • duration: 浮点数64位
  • speaker_embeddings: 序列，浮点数32位
  • speaker_id: 整数32位
• 分割:
  • train: 4430个样本，数据大小1250533816.1字节，下载大小1093970716字节

数据集结构

数据字段

• audio: 音频文件路径
• bambara: Bambara语言的文本转录
• french: 法语翻译文本
• duration: 音频片段时长（秒）
• speaker_embeddings: 表示说话人声音特征的数值向量
• speaker_id: 基于HDBSCAN算法的说话人集群ID

数据实例

json { "audio": {"array": [-2.5, 35...], "path": "path/to/audio.wav", "sampling_rate": 48000}, "bambara": "Jigi, i bolo degunnen don wa ?", "french": "Jigi, es-tu occupé ?", "duration": 2.646, "speaker_embeddings": [-2.564516305923462, -20.928389595581055, ...], "speaker_id": 5 }