尼泊尔语双说话人对话语音备份集
音视频
0 下载
12 浏览
2026-09-11
数据集简介
申请访问
仓库采用受控访问(gated: manual)。使用者需先登录账号并接受使用条款,再提交访问申请;访问本身不涉及付费计划。由于音频源自第三方,权利持有人未授予再分发许可,因此访问按申请逐一授予,而非公开直下。
尼泊尔语双说话人对话切片
本仓库提供约 6680.8 小时的尼泊尔语语音,采样率 48 kHz,每段音频包含两名说话人,按约 5 分钟切分并完成说话人分离(diarization)。它是按来源划分的六个兄弟备份仓库之一,音频来自第三方,转写由机器生成,且这些音频未通过训练语料所采用的质量门槛,所以定位为备份而非发布版本。
在标注为尼泊尔语的片段中,可能含有较多英语或印地语内容,筛选时建议使用 lang_sec 字段。每条记录同时保留音频与机器生成转写,转写不应被当作权威文本使用。
字段结构
数据以 parquet 承载,音频为 FLAC 格式并保留原始采样率。主要字段如下:
| 字段 | 说明 |
|---|---|
id |
记录标识 |
audio |
音频数据 |
text |
机器生成转写文本 |
duration |
音频时长 |
spk |
说话人信息 |
src |
来源标识 |
sr |
采样率 |
ch |
声道信息 |
nspk |
说话人数量 |
lang_sec |
分语种时段标注,用于过滤非尼泊尔语片段 |
segments |
分段信息 |
dnsmos |
语音质量评分 |
snr_db |
信噪比 |
仓库总文件体积为 923 GB,Hugging Face 规模档为 10K–100K 行。
兄弟备份仓库
本仓库属于按来源拆分的六个兄弟备份之一,其余五个为同系列的其他来源备份。各仓库共享相同的双说话人切片结构与机器转写流程,但音频来源不同,使用时需分别确认各自的数据构成与访问条件。
使用限制
使用条件明确:不得再分发音频;不得将数据用于克隆或冒充可识别的说话人;转写应视为机器生成结果,而非权威文本。由于转写未经质量门槛筛选,直接用于监督训练前需要自行评估与清洗。
基本信息
记录数量未知
文件大小约 6680.8 小时音频;仓库总文件体积 923 GB;Hugging Face 规模档 10K–
文件格式parquet, FLAC, JSON
数据来源milanakdj
采样率48 kHz
音频时长约 6680.8 小时
文件体积923 GB
访问方式受控访问(申请制)
许可see-card
数据落地页https://huggingface.co/datasets/milanakdj/nepali-audio-reserve-r6
发布日期2026-09-11
尼泊尔语语音数据集说话人分离语音识别机器转写
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