NTQAI/Vietnamese-audio-question-answering

Name: NTQAI/Vietnamese-audio-question-answering
Creator: NTQAI
Published: 2026-02-07T03:25:26+08:00

Hugging Face2026-01-27 更新2026-02-07 收录

越南语语音识别

语音问答系统

数据链接：

https://hf-mirror.com/datasets/NTQAI/Vietnamese-audio-question-answering 数据链接链接失效反馈

官方服务：

资源简介：

--- license: other license_name: other license_link: LICENSE ---

--- 许可证: 其他许可证名称: 其他许可证链接: LICENSE ---

提供机构：

NTQAI

NTQAI/MSVD-Video-Captioning-Vi

视频字幕生成

越南语处理

MSVD-Video-Captioning-Vi是一个越南语视频字幕数据集，源自英文的MSVD数据集。该数据集提供了短视频片段的越南语字幕，适用于视频字幕研究、视觉-语言模型训练、多模态指令调优和视频到文本生成。越南语字幕是通过使用OpenAI API（GPT-5.2）自动翻译和优化原始英文字幕生成的，并经过后处理以提高流畅性。数据集结构包括视频文件、训练数据（parquet格式）和README文

Hugging Face2026-01-27 更新210

VIVOS (VIVOS Corpus)

越南语语音识别

语音语料库

VIVOS 是一个免费的越南语语料库，包含 15 小时的语音录音，用于自动语音识别任务。该语料库由 VNUHCM 的计算机科学实验室 AILAB 编写，Vu Hai Quan 教授是该实验室的负责人。我们发布这个语料库是希望吸引更多的科学家来解决越南语语音识别问题。语料库只能用于学术目的。

OpenXLab100

JayLL13/vivoice-relabeled

越南语语音识别

ASR数据清洗

--- dataset_info: features: - name: audio dtype: audio - name: transcript dtype: string - name: source dtype: string --- # Vivoice relabeled using Qwen3-ASR The origin

Hugging Face2026-03-21 更新60

NamCyan/OpenViSpeech

越南语语音识别

语音-文本对齐

该数据集包含音频、文本和时长三个主要特征。音频特征采样率为16000，文本特征为字符串类型，时长特征为float64类型。数据集包含一个名为train的分割，共有54364个样本，总大小为21333584063.938545字节。下载大小为20941401006字节。默认配置指定了数据文件的路径。

Hugging Face2026-04-30 更新180

FPT Open Speech Dataset (FOSD) - Vietnamese

越南语语音识别

语音合成

This dataset consists of 25,921 recorded Vietnamese speeches (with their transcripts and the labelled start and end times of each speech) manually compiled from 3 sub-datasets (approximately 30 hours

NIAID Data Ecosystem90

NTQAI/Vietnamese-audio-question-answering

资源简介：

相关数据集