whisper-medium-dialect

该数据集是一个音频-文本配对数据集，包含1,254个训练样本。每个样本由音频文件和对应的文本句子组成。音频数据采用16kHz采样率，文本数据为字符串格式。数据集总大小约为414MB，仅包含训练集分割。该数据集适用于语音识别、音频-文本对齐等任务。