台湾立法院议事发音频语料库
音视频
0 下载
2 浏览
2026-10-04
数据集简介
数据集内容与来源
LY-IVOD-ASR-zhtw 以立法院「议事转播网际网路多媒体随选视讯(IVOD)」的委员发言片段为基础,建立繁体中文(台湾华语)国会语音辨识语料。原始影音由立法院开放资料平台的「委员发言片段相关影片资讯」(数据集 421)取得,逐支委员发言片段经处理后形成音频与文字对照的列式数据。
数据集每一列对应一段 16 kHz 音频,并附带对应的转写文字、时间轴与说话人标记;字段涵盖 audio、text、start、end、duration、speaker、role、ivod_id、legislator、meeting_date、meeting、term、session、source_url、asr_model,可支持语音辨识训练、评测以及说话人分段与对话情境研究。
数据结构与字段
数据以 parquet 与 flac 两种格式组织,音频为 16 kHz 采样。主要字段如下:
| 字段 | 说明 |
|---|---|
| audio | 16 kHz 音频片段 |
| text | 对应转写文字 |
| start / end / duration | 时间轴信息 |
| speaker / role | 说话人标记与角色 |
| ivod_id | 立法院 IVOD 影片编号 |
| legislator | 发言委员 |
| meeting_date / meeting | 会议日期与会议名称 |
| term / session | 届期与会期 |
| source_url | 原始影片来源网址 |
| asr_model | 转写所用语音辨识模型 |
用途与适用范围
本数据集适用于繁体中文(台湾华语)语音辨识模型的训练、微调与评测,尤其针对台湾口音与法政语境;亦可用于说话人分段与对话情境语音研究。使用时应限于非商业研究与模型训练,不得将原始影音权利移转或用于商业用途。
已知限制
数据集仅涵盖立法院 IVOD 委员发言片段,语料领域集中于法政议事场景,口音以台湾华语为主;转写文字由语音辨识模型生成,可能存在识别误差,使用前宜按研究需求进行核对。
授权与引用
原始影音权利属立法院,本数据集不移转任何原始影音权利。数据集仅限非商业研究与模型训练使用,采人工审核(gated, manual review)方式提供:需登入并说明用途,通过审核后开放下载。引用时请注明数据集名称 LY-IVOD-ASR-zhtw 与来源。
基本信息
记录数量未知
文件大小787k 列;总文件大小 296 GB
文件格式parquet, flac
数据来源立法院开放资料平台
采样率16 kHz
数据规模787k 列
文件大小296 GB
许可仅限非商业研究
数据落地页https://huggingface.co/datasets/lianghsun/ly-ivod-asr-zhtw
发布日期2026-10-04
繁体中文语音辨识国会语料台湾华语语音转写
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