vpetukhov/bible_tts_hausa

---
annotations_creators: []
language:
- ha
language_creators:
- expert-generated
license:
- cc-by-sa-4.0
multilinguality:
- monolingual
pretty_name: BibleTTS Hausa
size_categories:
- 10K<n<100K
source_datasets:
- original
tags:
- bible
task_categories:
- automatic-speech-recognition
- text-to-speech
task_ids: []
---

# Dataset Card for BibleTTS Hausa

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)

## Dataset Description

- **Homepage:** https://masakhane-io.github.io/bibleTTS/
- **Repository:** http://www.openslr.org/129/
- **Paper:** https://arxiv.org/abs/2207.03546

### Dataset Summary

BibleTTS is a large high-quality open Text-to-Speech dataset with up to 80 hours of single speaker, studio quality 48kHz recordings.
This is a Hausa part of the dataset. Aligned hours: 86.6, aligned verses: 40,603.

### Languages

Hausa

## Dataset Structure

### Data Fields

- `audio`: audio path
- `sentence`: transcription of the audio
- `locale`: always set to `ha`
- `book`: 3-char book encoding
- `verse`: verse id

### Data Splits

- `dev`: Book of Ezra (264 verses)
- `test`: Book of Colossians (124 verses)
- `train`: all other books (40215 verses)

## Additional Information

*See [this notebook](https://github.com/seads-org/hausa-speech-recognition/blob/6993c5c74379c93a2416acac6126b60ce6e52df8/notebooks/prepare_bible_dataset.ipynb) for the code on how the dataset was processed.

### Dataset Curators

The dataset uploaded by [vpetukhov](https://github.com/VPetukhov/) who is not connected to the dataset authors. Please, see the project page for more info.

### Licensing Information

The data is released under a commercial-friendly [CC-BY-SA](https://creativecommons.org/licenses/by-sa/4.0/) license.

### Citation Information

Meyer, Josh, et al. "BibleTTS: a large, high-fidelity, multilingual, and uniquely African speech corpus." arXiv preprint arXiv:2207.03546 (2022).

annotations_creators: []
language:
- 豪萨语（ha）
language_creators:
- 专家生成
license:
- 知识共享署名-相同方式共享4.0（CC-BY-SA 4.0）
multilinguality:
- 单语言
pretty_name: BibleTTS 豪萨语版
size_categories:
- 10000 < 样本量 < 100000
source_datasets:
- 原生数据集
tags:
- 圣经（Bible）
task_categories:
- 自动语音识别（automatic-speech-recognition）
- 文本转语音（text-to-speech）
task_ids: []
---

# BibleTTS 豪萨语版数据集卡片

## 目录
- [目录](#table-of-contents)
- [数据集描述](#dataset-description)
- [数据集摘要](#dataset-summary)
- [语言分布](#languages)
- [数据集结构](#dataset-structure)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [附加信息](#additional-information)
- [数据集策展人](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)

## 数据集描述

- **主页：** https://masakhane-io.github.io/bibleTTS/
- **代码仓库：** http://www.openslr.org/129/
- **相关论文：** https://arxiv.org/abs/2207.03546

### 数据集摘要

BibleTTS是一个大型高质量开源文本转语音（Text-to-Speech）数据集，包含多达80小时的单说话人、录音棚级别的48kHz音质录音。本数据集为该项目的豪萨语分支，对齐后的语音时长为86.6小时，对齐后的经文节共40603段。

### 语言分布

豪萨语

## 数据集结构

### 数据字段

- `audio`：音频文件路径
- `sentence`：音频对应的转录文本
- `locale`：固定为`ha`
- `book`：三字符书籍编码
- `verse`：经文节编号

### 数据划分

- `dev`（开发集）：以斯拉记（共264个经文节）
- `test`（测试集）：歌罗西书（共124个经文节）
- `train`（训练集）：其余所有书卷（共40215个经文节）

## 附加信息

*如需了解该数据集的预处理代码，请参阅[此Jupyter Notebook](https://github.com/seads-org/hausa-speech-recognition/blob/6993c5c74379c93a2416acac6126b60ce6e52df8/notebooks/prepare_bible_dataset.ipynb)。

### 数据集策展人

本数据集由[vpetukhov](https://github.com/VPetukhov/)上传，其与数据集原作者无关联。如需更多信息，请参阅项目主页。

### 许可信息

本数据集采用商业友好型的[知识共享署名-相同方式共享4.0（CC-BY-SA 4.0）](https://creativecommons.org/licenses/by-sa/4.0/)许可证进行发布。

### 引用信息

迈耶（Meyer, Josh）等人，"BibleTTS：一个大型高保真、多语言且独具非洲特色的语音语料库"，arXiv预印本arXiv:2207.03546（2022年）。

原始信息汇总

数据集概述

数据集基本信息

• 名称: BibleTTS Hausa
• 语言: Hausa
• 许可证: CC-BY-SA 4.0
• 多语言性: 单语种
• 大小: 10K<n<100K
• 来源: 原始数据
• 标签: 圣经
• 任务类别: 自动语音识别, 文本到语音

数据集描述

数据集摘要

BibleTTS Hausa 是一个高质量的开放文本到语音数据集，包含最多80小时的单声道、48kHz录音。此部分是Hausa语言的数据集，对齐的小时数为86.6，对齐的诗句数为40,603。

语言

• Hausa

数据集结构

数据字段

• audio: 音频路径
• sentence: 音频的转录文本
• locale: 始终设置为ha
• book: 3字符的书籍编码
• verse: 诗句ID

数据分割

• dev: 以斯拉书（264诗句）
• test: 歌罗西书（124诗句）
• train: 所有其他书籍（40215诗句）

附加信息

许可证信息

数据集根据CC-BY-SA 4.0许可证发布。

引用信息

Meyer, Josh, et al. "BibleTTS: a large, high-fidelity, multilingual, and uniquely African speech corpus." arXiv preprint arXiv:2207.03546 (2022).