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