FLEURS-R NeuCodec 多语言语音数据集
音视频
0 下载
26 浏览
2026-09-13
数据集简介
数据集卡片
FLEURS-R NeuCodec All Languages 是由 Malaysia AI(malaysia-ai)在 Hugging Face 上发布的公开数据集,包含 102 个语言区域(locales)的 FLEURS-R 元数据、源音频以及预先计算好的 NeuCodec tokens。该数据集面向两类语音任务:
- Text-to-Speech(文本转语音)
- Automatic Speech Recognition(自动语音识别)
数据模态涵盖音频(Audio)、表格(Tabular)与文本(Text)。数据集整体规模为 103 个子集共约 279k 行,其中 train split 为 248k 行,dev(development)split 为 31.4k 行。
每条记录包含以下字段:
| 字段 | 说明 |
|---|---|
| id | 记录标识 |
| path | 路径 |
| neucodec_path | NeuCodec tokens 路径 |
| filename | 文件名 |
| sentence | 句子文本 |
| normalized_text | 归一化文本 |
| characters | 字符信息 |
| locale | 语言区域 |
| split | 所属 split(train / dev) |
| gender | 说话人性别 |
| speaker | 说话人 |
| num_samples | 音频采样点数 |
| audio | 音频数据 |
数据集采用 CC-BY-4.0 许可证发布,可公开免费访问。
Data Studio
数据集提供 Data Studio 在线浏览功能,默认展示 103 个子集中的 default 子集(共 279k 行),可直接在 Hugging Face 页面上查看 train 与 development 两个 split 的元数据记录,包括句子文本、语言区域、说话人信息等字段内容。
文件与版本
数据集仓库的目录结构如下:
data/:以 Parquet 格式存储的 train 与 development 元数据audio/:按语言区域(locale)组织的 FLEURS-R 源音频归档文件neucodec/:预先计算好的 NeuCodec tokens 文件
涉及的文件格式包括 Parquet(元数据)、WAV(音频)与 PT(tokens)。所有文件与版本信息均可在 Hugging Face 仓库页面的 Files and versions 标签页中浏览与下载。
基本信息
记录数量未知
文件大小未知
文件格式Parquet / WAV / PT
数据来源Malaysia AI
许可证CC-BY-4.0
规模103 个子集共 279k 行(train 248k、dev 31.4k),102 个语言区域
任务Text-to-Speech, Automatic Speech Recognition
数据落地页https://huggingface.co/datasets/malaysia-ai/fleurs-r-neucodec-all-languages
发布日期2026-09-13
语音数据集文本转语音自动语音识别FLEURS-RNeuCodec多语言
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