多语言自动语音识别音频分类数据集
音视频
0 下载
13 浏览
2026-08-25
数据集简介
数据内容与规模
Kenstin/asr_gj_hi_en_v2 是一个公开可访问的音频数据集,托管于 HuggingFace 平台,模态为音频(Audio)。数据集共含 33,794 条音频样本,规模档位为 10K - 100K,总文件体积约 3.66 GB。所有样本按 46 个类别打上标签,字段为 label(class label)。音频时长分布跨度较大,最短约 0.32 秒,最长约 86.9 秒,可覆盖从短促语音片段到较长音频段落的多种样本形态。
数据结构与字段
数据集以 soundfolder 形式组织音频文件,通过 HuggingFace Datasets 库加载时会自动转换为 Parquet 格式。可用字段包括:
audio:音频数据本体audio duration (s):音频时长,单位为秒label:类别标签,共 46 个类别(class label)
数据集仅包含一个子集(default)和一个划分(train),即全部 33.8k 行数据均归入训练集,未提供验证或测试划分,使用者需自行拆分评估数据。
获取方式与使用说明
该数据集在 HuggingFace 页面上公开可访问,近一个月下载量为 11 次。获取方式有两种:一是通过 HuggingFace Datasets 库直接加载,二是通过 Croissant 元数据格式加载;也可以在数据集页面的 Files and versions 区块手动浏览并下载文件。
需要注意的是,该数据集目前尚未提供数据集卡片(dataset card),页面上也没有标注许可协议,数据的采集来源、语言构成、标注方法及具体类别名称等信息暂未随数据集发布。使用者在训练语音识别或音频分类模型前,建议先实际加载样本核对标签含义与音频内容。
基本信息
记录数量未知
文件大小33,794 行;总文件体积 3.66 GB;规模档位 10K - 100K
文件格式soundfolder / Parquet
数据来源Kenstin
数据规模33,794 行 / 3.66 GB
类别数46
数据划分train
发布日期2026-08-25
数据落地页https://huggingface.co/datasets/Kenstin/asr_gj_hi_en_v2
语音识别音频分类音频数据集语音数据机器学习
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