YALD_v0_raw

该数据集包含多种语言的音频文件、片段、关键词和搜索结果，涵盖孟加拉语（ban）、威尔士语（cym）、爱尔兰语（gle）、维吾尔语（uig）和科萨语（xho）。音频数据集包含id和音频特征，每个语言的音频数据量从1406到13513个样本不等。片段数据集包含丰富的元数据，如时间戳、多种版本的转录文本、视频详情和频道信息。关键词数据集包含关键词和对应的语言名称。搜索结果数据集与片段数据集类似，但增加了与搜索相关的元数据。所有数据集都分为训练集，并提供了详细的下载大小和数据集大小信息。