arpelarpe/nota

该数据集由丹麦文化部下属的公共机构Nota创建，包含来自Nota的音频杂志Inspiration和Radio/TV的.wav和.txt文件。数据集总大小为336GB，包含语音录音和相应的转录文本。每个出版物被分割成2到50秒的.wav文件，并附有转录文本。数据集目前仅包含训练集，未来可能会引入其他分割。

原始信息汇总

数据集概述

数据集名称

• 名称：Nota Lyd- og tekstdata
• 别名：Nota

数据集详情

• 语言：丹麦语
• 许可：CC0-1.0
• 多语言性：单语种
• 任务类别：自动语音识别

数据集内容

• 来源：由丹麦文化部下属的公共机构Nota创建，该机构为有阅读或视力障碍的人提供有声读物和有声杂志。
• 组成：包含来自Nota的有声杂志“Inspiration”和“Radio/TV”的.wav和.txt文件。
• 规模：336 GB，包含语音录音和相应的转录文本。
• 结构：每个出版物被分割成2 - 50秒的.wav文件，并附有转录文本。

数据集结构

• 数据实例：每个数据点包括音频文件的路径和对应的句子。
• 数据字段：
  • path：音频文件的路径
  • audio：包含下载的音频文件路径、解码的音频数组和采样率
  • sentence：发言人读出的句子
• 数据分割：目前仅有一个训练分割，未来可能会引入更多分割。

使用注意事项

• 免责声明：.wav和.txt文件之间可能存在较小的差异，可能导致时间戳、文本和声音文件的对齐问题。
• 个人和敏感信息：数据集是公开和免费使用的，录音的个人已通过书面合同同意发布其录音。数据集中出现的其他名称（如电视或广播主持人）不属于敏感或个人数据。

联系方式

• 联系邮箱：[e-mail]

许可信息

• 许可类型：CC0-1.0

以上信息总结了Nota Lyd- og tekstdata数据集的关键细节，包括其来源、内容、结构和使用注意事项。