印尼语英语脚本化语音识别语料库

音视频
0 下载
48 浏览
2026-08-25

数据集简介

数据集概述

ASR-SIndoESC(MDT-ASR-E070)是一个脚本化的印尼语-英语语音识别语料库,由 Magic Data Technology(北京晴数智慧科技有限公司)构建。数据集包含 645 小时的转写语音,由 1,084 名说话人贡献,内容为日常用语句子,旨在支持印尼语-英语混合场景下的自动语音识别(ASR)研究与开发。

数据集类型

该数据集属于 ASR 语音语料库(ASR speech corpus),专注于语音识别任务,提供音频与对应文本转写,可用于训练声学模型和语言模型。

语言

数据集的语音内容为印尼语-英语混合(en-ID),反映了印尼地区常见的双语交流场景。转写文本以 UTF-8 编码的 TXT 文件提供,便于处理多语言字符。

语音风格

语音风格为脚本化(scripted),即说话人按照预设的脚本朗读,确保内容覆盖日常用语,同时保持语音的自然度和一致性。这种风格适合构建稳定的 ASR 训练数据。

内容

语料内容围绕日常用语句子(daily use sentences),涵盖日常对话中常见的表达,有助于提升 ASR 系统在真实生活场景中的识别能力。

音频参数

音频文件采用 16 kHz 采样率、16 位量化、单声道(mono)格式,符合 ASR 任务的标准要求,兼顾音质与数据体积。

文件格式

  • 音频:WAV(PCM)格式,无损保存音频数据。
  • 转写:TXT(UTF-8)格式,便于读取和处理。

录音设备

录音使用移动设备(mobile)完成,贴近实际应用场景,有助于提高模型在移动端语音输入场景下的鲁棒性。

录音环境

录音在室内环境(indoor environment)中进行,减少了环境噪声干扰,保证了语音清晰度,适合作为训练数据。

行业与应用场景

该数据集适用于语音识别相关行业,如智能助手、语音输入、客服系统等,尤其针对印尼语-英语双语用户群体。具体应用场景包括但不限于语音转写、命令识别和对话系统。

许可与获取

该数据集为专有数据(Proprietary),并非开源许可。如需获取,请联系 business@magicdatatech.com 洽谈访问事宜。

基本信息

记录数量未知
文件大小未知
文件格式WAV, TXT
数据来源Magic Data Technology
音频参数16 kHz, 16 bits, mono
语音风格scripted
语言en-ID
录音设备mobile
录音环境indoor
数据落地页https://magichub.com/datasets/indonesian-english-scripted-speech-corpus/
印尼语英语语音识别ASR脚本化语音语料库

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

价格

免费