scotus-sim/scotus-paul_d_clement-audio

---
license: cc-by-nc-4.0
tags:
- audio
- oyez
- supreme-court
- speech
size_categories:
- 1K<n<10K
---

# SCOTUS-sim audio: paul_d_clement

Per-utterance audio clips from Oyez oral-argument mp3s, sliced at
the `start_time` / `stop_time` timestamps stored in the companion
`scotus-sim/scotus-paul_d_clement-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: **2818**
- total duration: **5.32 hours**
- unique cases: **122**

## Files

- `paul_d_clement.tar.gz` — all clips; members named `paul_d_clement_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.

license: CC-BY-NC-4.0
tags:
- 音频（audio）
- Oyez
- 最高法院（Supreme Court）
- 语音（speech）
size_categories:
- 1000 < 样本数 < 10000

# SCOTUS模拟音频数据集：paul_d_clement

本数据集包含取自Oyez网站口头辩论MP3文件的逐句音频片段，片段切分依据配套数据集`scotus-sim/scotus-paul_d_clement-training`中存储的`start_time`与`stop_time`时间戳完成。

## 对齐规则

压缩包内的`clip_NNNNN.wav`与配套训练数据集内的`audio_segments.jsonl[NNNNN]`完全一一对应。在`metadata.jsonl`文件中，每一行的`idx`字段均为补零后的相同索引值。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。

## 统计信息

- 音频片段总数：**2818**
- 总时长：**5.32小时**
- 独特案件数量：**122**

## 文件说明

- `paul_d_clement.tar.gz`：包含全部音频片段，文件命名格式为`paul_d_clement_NNNNN.wav`，采用24 kHz单声道脉冲编码调制（PCM）16位编码格式。
- `metadata.jsonl`：每个音频片段对应一行数据，包含`text`（文本）、`speaker`（发言者）、`duration`（时长）、`case_id`（案件ID）、`audio_url`（音频链接）与`idx`（索引）字段。

## 许可证条款

本数据集音频源自Oyez.org，遵循CC-BY-NC 4.0许可协议。衍生的文本转语音（Text-to-Speech, TTS）训练素材需继承NC（非商业使用）条款。