Voxlab/Synthetic-Spoken-Digit-Dataset

---
license: mpl-2.0
task_categories:
- conversational
- translation
- audio-classification
- automatic-speech-recognition
- text-to-speech
language:
- en
- es
- fr
- ko
- de
- it
- pt
- ru
- zh
- ja
---

# Synthetic Generated Free Spoken Digit Dataset

*This dataset is Generated by [Voxlab](https://voxlab.netlify.app/)*

#### Context

This dataset is generated by a Text to Speech Models (TTS). It contains spoken digits from 0 to 9.
This is a free to use for research as well as for commercial use.

Dataset contains simple audio files consisting of recordings of spoken digits in wav file.

### Current Status

**Languages** : 10
(English - en, Spanish - es, French - fr, Korean - ko, German - de, Italian - it, Portuguese - pt, Russian - ru, Chinese - zh-cn, Japanese - ja)

**Speakers** : for each language there is only 1 speaker

**No of audio files** : 5000 audio files (50 for each digit)

**Pronunciations** : This dataset contains pronunciations in all 10 languages

### Dataset File structure

Files are named in the following format: *{digitLabel}-{language}-{speakerGender}-{index}.wav*

*Example: seven-en-F-56.wav*

### How to use

```
from datasets import load_dataset

dataset = load_dataset("Voxlab/synthetic-generated-free-spoken-digit-dataset")
```

#### Inspiration

This dataset was inspired from free spoken digit dataset (https://www.kaggle.com/datasets/joserzapata/free-spoken-digit-dataset-fsdd)

Explore similar datasets generated by [Voxlab](voxlab.netlify.app)

https://github.com/synthetic-data-platform/Free-Synthetic-Datasets

---
许可证：mpl-2.0
任务类别：
- 对话任务
- 翻译任务
- 音频分类任务
- 自动语音识别任务
- 文本到语音任务
语言覆盖：
- 英语（en）
- 西班牙语（es）
- 法语（fr）
- 韩语（ko）
- 德语（de）
- 意大利语（it）
- 葡萄牙语（pt）
- 俄语（ru）
- 中文（zh）
- 日语（ja）
---

# 合成式生成免费口语数字数据集（Synthetic Generated Free Spoken Digit Dataset）
*本数据集由[Voxlab](https://voxlab.netlify.app/)生成*

#### 背景
本数据集由文本到语音模型（Text to Speech Models, TTS）生成，包含0至9的口语数字录音。本数据集可免费用于研究与商业用途。数据集包含若干简单音频文件，均为口语数字的WAV格式录音。

### 当前状态
**语言覆盖**：共10种，分别为英语（en）、西班牙语（es）、法语（fr）、韩语（ko）、德语（de）、意大利语（it）、葡萄牙语（pt）、俄语（ru）、简体中文（zh-cn）、日语（ja）
**发音人**：每种语言仅对应1名发音人
**音频文件总数**：共5000个，每个数字对应50个音频文件
**发音覆盖**：本数据集包含全部10种语言的口语发音

### 数据集文件结构
文件命名格式如下：`{数字标签}-{语言代码}-{发音人性别}-{序号}.wav`
示例：`seven-en-F-56.wav`

### 使用方式
python
from datasets import load_dataset

dataset = load_dataset("Voxlab/synthetic-generated-free-spoken-digit-dataset")

#### 灵感来源
本数据集的设计灵感来源于免费口语数字数据集（Free Spoken Digit Dataset, FSDD），原数据集链接：https://www.kaggle.com/datasets/joserzapata/free-spoken-digit-dataset-fsdd

可探索Voxlab生成的同类数据集：[Voxlab](voxlab.netlify.app)
相关开源项目地址：https://github.com/synthetic-data-platform/Free-Synthetic-Datasets

原始信息汇总

Synthetic Generated Free Spoken Digit Dataset

概述

该数据集由Text to Speech Models (TTS)生成，包含从0到9的口语数字。数据集可免费用于研究和商业用途。

数据集详情

语言

• 包含10种语言：英语（en）、西班牙语（es）、法语（fr）、韩语（ko）、德语（de）、意大利语（it）、葡萄牙语（pt）、俄语（ru）、中文（zh-cn）、日语（ja）。

发音者

• 每种语言只有一个发音者。

音频文件数量

• 总共包含5000个音频文件，每个数字有50个音频文件。

发音

• 数据集包含所有10种语言的发音。

文件结构

音频文件命名格式为：{digitLabel}-{language}-{speakerGender}-{index}.wav

示例

• seven-en-F-56.wav

使用方法

python from datasets import load_dataset

dataset = load_dataset("Voxlab/synthetic-generated-free-spoken-digit-dataset")