English_preprocess

kaggle2023-05-26 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/elmtilissmohamed/english-preprocess

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-05-26

Vaani-English-preprocessed

该数据集是一个多模态语音数据集，包含音频、文本转录和说话人/地域元数据。数据集包含15,918个样本，划分为训练集（12,729样本）、验证集（1,485样本）和测试集（1,704样本）。每个样本包含以下字段：音频数据（采样率16kHz）、语言标识、说话人性别、所属州/省、所属地区、原始转录文本、参考图像路径、未清理的无脱字符索引、清理后的转录文本、以及小写且无标点的清理转录文本。数据集适用于语音

Hugging Face2026-05-13 更新30

odunola/french-english-preprocessed

--- dataset_info: features: - name: english_transcript dtype: string - name: input_features sequence: sequence: float32 - name: labels sequence: int64 splits: - name: tra

Hugging Face2024-01-06 更新40

Lingalingeswaran/filtered_common_voice_tamil_english-preprocessed-quantized

该数据集包含多个特征，如用户ID、文件路径、音频数据、句子文本、点赞数、点踩数、年龄、性别、口音、地区、片段、输入ID、注意力掩码和标签。音频数据的采样率为48000。数据集分为一个训练集，包含2000个样本，总大小为2003491176字节。下载大小为1392336426字节。

Hugging Face2024-12-16 更新50

Preprocessed English Spoken Transcripts

Created for ASR tasks

kaggle2021-03-27 更新30

English Monograph OCR Dataset (Preprocessed) 📄🔍

ICDAR 2017 Post OCR Data Processing data

kaggle2025-03-21 更新110