SLPL/AV_Dataset

波斯语视听数据集是一个包含波斯语音频和视频数据的集合，专为语音识别和唇读任务设计。数据集包含超过24,000个视频，总计超过27小时的数据。视频来源于新闻录制，并使用了面部检测算法来裁剪和提取感兴趣的区域。视频格式为MP4，每个视频时长为4秒，分辨率为224*224像素。数据集未进行分割。

原始信息汇总

数据集概述

数据集简介

波斯语视听数据集是一个包含波斯语音频和视频数据的集合。该数据集设计用于语音识别和唇读任务，包含超过24,000个视频，总计超过27小时的数据。这些视频来自新闻录制，并使用面部检测算法进行裁剪和提取感兴趣区域。

支持的任务和排行榜

该数据集可用于语音识别、视听语音识别和说话人识别等任务。

语言

该数据集使用波斯语。

格式

视频片段采用MP4格式，每个片段时长为4秒，分辨率为224*224像素，便于高效处理和分析。

数据分割

数据未进行分割。