malaysia-ai/malay-conversational-speech-corpus

该数据集名为malay-conversational-speech-corpus，是一个马来语对话语音语料库。数据集包含的特征有Y、id、gender和filename，其中filename特征包含音频数据，采样率为16000Hz。数据集分为一个训练集，包含3241个样本，总大小为48785004.736字节。数据集的下载大小为47709555字节，语言为马来语（ms）。数据集的许可证为Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License。

原始信息汇总

马来语会话语音语料库

数据集信息

特征

• Y: 字符串类型
• id: 字符串类型
• gender: 字符串类型
• filename:
  • audio:
    • sampling_rate: 16000

分割

• train:
  • num_bytes: 48785004.736
  • num_examples: 3241

大小

• download_size: 47709555
• dataset_size: 48785004.736

语言

• ms

搜集汇总

背景与挑战

背景概述

这是一个马来语对话语音数据集，包含3,241条音频和文本对，总大小为47.8 MB，数据涉及日常对话话题如食物讨论，并标注了说话者ID、性别和音频时长。该数据集由Malaysia AI组织创建，采用CC BY-NC-ND 4.0许可，主要用于训练自动语音识别模型。