doof-ferb/infore2_audiobooks

InfoRe Technology公开数据集№2，专注于越南语武侠与仙侠有声书的自动语音识别和文本到语音任务。数据集包含315,000个样本，总时长415小时，从YouTube提取并利用文本对比技术进行自动标注。数据集特征包括音频和转录文本。

原始信息汇总

InfoRe Technology public dataset №2

概述

• 许可证: cc-by-4.0
• 任务类别:
  • 自动语音识别
  • 文本转语音
• 语言: 越南语
• 数据集名称: InfoRe Technology public dataset №2
• 数据集大小: 100K<n<1M

数据集信息

• 特征:
  • audio: 音频数据
  • transcription: 字符串数据
• 分割:
  • train: 训练集
    • 字节数: 55377534543.241
    • 样本数: 315449
• 下载大小: 46594653323
• 数据集大小: 55377534543.241

配置

• 配置名称: default
  • 数据文件:
    • split: train
    • path: data/train-*