atc-voxtral-no-confidence-filter

atc-voxtral-no-confidence-filter 是一个由 Trelis Studio 准备的语音数据集。该数据集包含 2 个源文件，13 个训练样本，总时长为 3.5 分钟。数据集中的列包括音频段（16kHz）、纯文本转录、带有 Whisper 时间戳标记的转录、前一段的纯文本（用于第一段则为空）、原始音频中的片段开始和结束时间、语音持续时间（不包括静音）、单词级时间戳（相对于仅语音的音频）、原始音频文件名以及 Whisper 语言标记的 ISO 639-1 语言代码。语音分割过程对于 .txt 转录使用 CTC 对齐生成单词级时间戳来定义语音边界，而对于 .srt/.vtt 文件则使用转录时间戳定义片段。训练使用提供了两种方法：默认的 2-bucket 方法和包含预处理的 4-bucket 方法，其中预处理通过添加上一段的文本来教授模型对话连续性。数据集可通过 HuggingFace 的 datasets 库加载使用。