thotnd/VBSF001

该数据集名为VBSF001-v1.0，是一个越南语文本到语音（Text-To-Speech）数据集。音频数据是从YouTube上的有声读物爬取的，不适用于商业用途。文本由VinBrain JSC标注，属于公共领域。数据集大小为1.28GB，总音频时长为9.5小时。文件结构包括一个metadata.csv文件和多个.wav音频文件。数据集统计信息包括总剪辑数、总单词数、总字符数、总时长、平均剪辑时长、最小剪辑时长、最大剪辑时长、平均每剪辑单词数和不同单词数。

原始信息汇总

Vietnamese Text-To-Speech dataset (VBSF001-v1.0) 概述

数据集基本信息

• 许可证: MIT
• 数据来源: 音频来自YouTube上的有声读物，文本由VinBrain JSC标注。
• 使用限制: 音频不可用于商业用途。
• 数据集大小: 1.28GB
• 总音频时长: 9.5小时

数据样本

• 样本1:
  • 音频文件: file1
  • 文本内容: song cũng từ buổi tối bất hạnh ấy, một nỗi buồn ghê gớm xâm chiếm nhà vua và thường xuyên lộ ra nét mặt.
• 样本2:
  • 音频文件: file2
  • 文本内容: theo luật pháp nước nhà, sa-dơ-năng không được chia quyền, đành phải sống như một người dân thường.

数据集结构

• 目录结构:

  VBSF001 ├── metadata.csv └── wavs ├── 1.wav ├── 2.wav ├── 3.wav ...

数据集统计

• 总片段数: 6,835
• 总单词数: 121,423
• 总字符数: 528,088
• 总时长: 9小时32分钟29秒
• 平均片段时长: 5.03秒
• 最短片段时长: 0.58秒
• 最长片段时长: 14.09秒
• 平均每片段单词数: 17.76
• 不同单词数: 3,527