印度语种语音识别分片数据集第10片
音视频
0 下载
2 浏览
2026-10-03
数据集简介
分片结构与语种覆盖
该仓库是印度语种 ASR 数据的分片之一,按第 10 片组织。音频统一放在 audio 目录下,并按来源与语种分层,例如:
audio/ai4bharat_indicvoices_malayalam/malayalam/00/存放马拉雅拉姆语 wav 片段,文件名采用长哈希串,如0000bee997b707db62c251568193d81fd4fcc8bd4dd0a32645666ce1b55ba671.wav;audio/ai4bharat_indicvoices_nepali/存放尼泊尔语片段。
上述路径表明数据源自 AI4Bharat 的 IndicVoices 语音资源,按语种拆分后逐片上传。
清单文件与目录布局
除音频外,仓库设有 manifests 目录,用于存放 JSONL 清单,例如 manifests/ai4bharat_indicvoices_nepali_nepali.jsonl,通过 huggingface_hub 上传。清单与音频目录一一对应,便于按语种索引片段。仓库另含 .gitattributes 等版本控制辅助文件。
规模与提交记录
仓库总文件大小约 234 GB,提交历史共 1,013 次;最近一次提交说明为“Add 1000 segments”,显示数据以千条片段为单位持续追加。页面暂无数据集卡片,Dataset Viewer 不可用,浏览与取用需直接进入文件列表。
获取方式与使用条件
该数据集为公开数据,private=false、gated=false,无需申请即可在 HuggingFace 页面浏览与下载,页面未标注具体许可协议。使用前建议核对清单文件与音频路径的对应关系,并按语种分别组织训练或评测流程。
引用与出处
数据来源为 AI4Bharat 的 IndicVoices 语音资源,经 sajalmadan09 账号整理上传至 HuggingFace,仓库名为 sajalmadan09/indic-asr-staging-shard10。
基本信息
记录数量未知
文件大小234 GB
文件格式wav, jsonl
数据来源AI4Bharat
数据规模234 GB
提交次数1,013
访问方式公开
数据落地页https://huggingface.co/datasets/sajalmadan09/indic-asr-staging-shard10
发布日期2026-10-03
印度语种语音识别ASR音频数据IndicVoices多语种语音
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载