丹麦语 EuroSpeech 预计算语音特征数据集

音视频
0 下载
2 浏览
2026-10-07

数据集简介

数据组织与划分

数据集以单一默认子集组织,共 523k 行,按 train、validation、test 三个划分提供:

划分 行数
train 517k
validation 4.31k
test 1.38k

页面标注的规模区间为 100K–1M 行,与上述总量一致。

字段构成

每条记录包含以下字段,覆盖文本、声学特征与质量诊断三类信息:

  • text:原始文本;text_vote:投票聚合后的文本
  • asr_disagree、ctc_disagree:ASR 与 CTC 的分歧度
  • word_dev:词偏差
  • pq:音质评分
  • language:语言标签
  • audio_codes:音频编码列表
  • speaker_embedding:说话人嵌入向量
  • duration_s:片段时长(秒)
  • segment_id:片段标识
  • source:来源标记,统一为 eurospeech

格式与访问方式

数据以 parquet 格式存储,模态为表格与文本。数据集在 HuggingFace 数据集页面公开免费提供,可在线使用 Dataset Viewer 预览,也可通过 Files and versions 下载,并支持 API 方式读取。

引用与发布信息

该数据集由 Biorrith 发布,页面记录的发布日期为 2026-10-07。

基本信息

记录数量未知
文件大小未知
文件格式parquet
数据来源Biorrith
数据模态表格、文本
数据规模523k 行
语言丹麦语
访问方式公开免费
数据落地页https://huggingface.co/datasets/Biorrith/eurospeech_da_precomputed_17b
发布日期2026-10-07
丹麦语语音识别语音特征预计算特征ASR说话人嵌入

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