Sound and Audio Data in Nepal

kaggle2025-03-31 更新2025-05-03 收录

数据链接：

官方服务：

资源简介：

This is a Techsalerator dataset on Sound and Audio Data in Nepal

本数据集系Techsalerator构建的尼泊尔声音与音频数据集

创建时间：

2025-03-31

该数据集包含了音频文件及其相关信息，如文件名、状态、音频转录文本、重试次数和最后更新时间。数据集被划分为训练集，共有109个示例，大小为7106949字节。

Hugging Face2025-04-05 更新170

--- license: bigscience-openrail-m language: - ja tags: - audio size_categories: - 1K<n<10K --- # Kanade audio dataset

Hugging Face2024-03-04 更新130

该数据集包含音频数据和对应的logits序列。音频数据的采样率为16000Hz，logits序列的数据类型为float32。数据集仅包含一个训练集，共有1805个样本，总大小为57866720.72207084字节，下载大小为47898977字节。配置文件中指定了训练集的文件路径。

Hugging Face2024-07-01 更新90

该数据集包含音频特征和对应的logits序列。音频特征的采样率为16000Hz，logits序列的数据类型为float32。数据集仅包含一个训练集（train），其中包含4084个样本，总大小为130929466.80405003字节。数据集的下载大小为105530397字节。

Hugging Face2024-07-07 更新160

该数据集通过变分自编码器（VAE）的编码和解码过程，重建了原始音频，从而为研究音频融合与转换技术提供了可能。此外，该数据集还包含了用于评估信号去噪自编码器（SDE）反转模型，以及与其他音频生成方法进行比较的音频样本。总之，这一数据集的任务是进行音频重建与合成。

arXiv120