thennal/msc
收藏资源简介：
Swathanthra Malayalam Computing Malayalam Speech Corpus（SMC Malayalam Speech Corpus）是一个由Swathanthra Malayalam Computing发布的经过整理的语音样本库。该数据集的第一版包含1541个语音样本，来自75位贡献者，总时长为1小时38分钟16秒。数据集包含482个独特的句子，1400个独特的单词，553个独特的音节和48个独特的音素。数据集的特征包括语音ID、说话者ID、评分、转录文本、类别、说话者性别、说话者年龄和音频文件。数据集主要用于自动语音识别任务。
The Swathanthra Malayalam Computing Malayalam Speech Corpus (SMC Malayalam Speech Corpus) is a curated speech corpus released by Swathanthra Malayalam Computing. The first version of this corpus contains 1,541 speech samples from 75 contributors, with a total duration of 1 hour, 38 minutes and 16 seconds. It includes 482 unique sentences, 1,400 unique words, 553 unique syllables and 48 unique phonemes. The corpus features the following attributes: speech ID, speaker ID, rating, transcription text, category, speaker gender, speaker age and audio files. This corpus is primarily used for automatic speech recognition (ASR) tasks.
SMC Malayalam Speech Corpus 数据集概述
基本信息
- 数据集名称： Swathanthra Malayalam Computing Malayalam Speech Corpus
- 数据集别名： SMC Malayalam Speech Corpus
- 语言： 马拉雅拉姆语（ml）
- 许可证： CC-BY-SA-4.0
- 多语言性： 单语种
- 大小类别： 1K<n<10K
- 任务类别： 自动语音识别
数据集特征
- speechid： 字符串类型
- speaker_id： 字符串类型
- review_score： 整数类型
- transcript： 字符串类型
- category： 字符串类型
- speaker_gender： 字符串类型
- speaker_age： 字符串类型
- audio： 音频类型，采样率为48000
数据集拆分
- 训练集（train）：
- 样本数量： 1541
- 数据大小： 581998721.306字节
- 下载大小： 422643542字节
数据集详情
- 版本： 第一版
- 样本来源： 75位贡献者
- 总时长： 1小时38分16秒
- 句子数量： 482个独特句子
- 单词数量： 1400个独特单词
- 音节数量： 553个独特音节
- 音素数量： 48个独特音素
