scotus-sim/scotus-amy_coney_barrett-audio

--- license: cc-by-nc-4.0 tags: - audio - oyez - supreme-court - speech size_categories: - 1K<n<10K --- # SCOTUS-sim audio: amy_coney_barrett Per-utterance audio clips from Oyez oral-argument mp3s, sliced at the `start_time` / `stop_time` timestamps stored in the companion `scotus-sim/scotus-amy_coney_barrett-training` dataset. ## Alignment `clip_NNNNN.wav` in the tarball corresponds **exactly** to `audio_segments.jsonl[NNNNN]` in the training companion dataset. In `metadata.jsonl` each row carries the same 0-padded index in `idx`. This supersedes the v1 tarball, which had systematic audio↔segment index misalignment (Apr 2026). ## Stats - clips: **2996** - total duration: **5.23 hours** - unique cases: **299** ## Files - `amy_coney_barrett.tar.gz` — all clips; members named `amy_coney_barrett_NNNNN.wav`, 24 kHz mono PCM 16-bit. - `metadata.jsonl` — one row per clip with `text`, `speaker`, `duration`, `case_id`, `audio_url`, `idx`. ## License Audio is derived from Oyez.org (CC-BY-NC 4.0). Derivative TTS training artifacts inherit the NC term.许可协议：CC BY-NC 4.0 标签： - 音频 - Oyez - 最高法院 - 语音 样本量范围：1000 < 样本数 < 10000 # SCOTUS-sim 音频数据集：艾米·科尼·巴雷特（Amy Coney Barrett） 本数据集包含源自Oyez网站口头辩论MP3文件的逐句音频片段，其切割点位基于配套数据集`scotus-sim/scotus-amy_coney_barrett-training`中存储的`start_time`（起始时间）与`stop_time`（结束时间）时间戳。 ## 对齐规则 `clip_NNNNN.wav`在压缩包中与配套训练数据集内的`audio_segments.jsonl[NNNNN]`完全一一对应；在`metadata.jsonl`中，每一行数据的`idx`字段均采用相同的补零索引格式。本版本取代了2026年4月发布的v1压缩包，后者存在音频与片段索引系统性错位的问题。 ## 统计数据 - 音频片段总数：**2996** - 总时长：**5.23小时** - 唯一案件数：**299** ## 文件说明 - `amy_coney_barrett.tar.gz`：包含全部音频片段，文件命名格式为`amy_coney_barrett_NNNNN.wav`，采用24 kHz采样率的单声道16位PCM编码。 - `metadata.jsonl`：每条音频片段对应一行元数据，包含`text`（文本内容）、`speaker`（说话人）、`duration`（时长）、`case_id`（案件编号）、`audio_url`（音频链接）与`idx`（索引）字段。 ## 许可协议 本数据集音频源自Oyez.org，采用CC BY-NC 4.0许可协议；衍生的文本转语音（Text-to-Speech，TTS）训练产物需遵循非商业性使用条款。