高棉语-英语码切换合成语音数据集

音视频
0 下载
23 浏览
2026-08-13

数据集简介

Panhapich/khmer-english-codeswitch-tts-llm 是一个高棉语-英语码切换(code-switch)合成语音数据集。其构建流程为:先由大语言模型(LLM)撰写高棉语-英语码切换句子,再使用 VoxCPM2 语音合成模型生成对应语音,并经过程序化校验。任务标签为自动语音识别(Automatic Speech Recognition)与文本转语音(Text-to-Speech),涉及语言为高棉语(Khmer)与英语(English)。

规模与格式

  • 规模:10K < n < 100K,共 19,825 条语音(utterances)
  • 总时长:约 21.7 小时
  • 采样率:16 kHz
  • 音频格式:FLAC(audio/flac)
  • 数据模态:音频及文本字段

字段结构

数据集包含以下字段:

字段 说明
audio 音频数据
pair_id 配对标识
cs_text 码切换文本
km_orig 高棉语原文
en_orig 英语原文
swaps 码切换位置信息
n_swaps 码切换次数
cmi 码切换度量指数
voice_desc 语音描述
duration_s 时长(秒)
seed 随机种子

获取与许可

  • 托管平台:HuggingFace Datasets,公开可下载
  • 许可证:cc-by-4.0
  • 发布/更新日期:2026-08-13

注意事项

该数据集为合成语音数据,使用时请留意其合成属性。

基本信息

记录数量10K<n<100K;19,825 条语音 / 21.7 小时 / 16 kHz
文件大小未知
文件格式FLAC
数据来源Panhapich
数据规模19,825 条语音 / 约 21.7 小时
采样率16 kHz
许可证cc-by-4.0
托管平台HuggingFace Datasets
任务自动语音识别(ASR)、文本转语音(TTS)
语言高棉语、英语
数据落地页https://huggingface.co/datasets/Panhapich/khmer-english-codeswitch-tts-llm
发布日期2026-08-13
高棉语英语码切换合成语音语音识别文本转语音

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

价格

免费