越南口音YouTube音频转写数据集
音视频
0 下载
15 浏览
2026-08-10
数据集简介
数据集卡片(Dataset card)
tyler07/mid-accent-crawl-youtube 是一个音频-文本(Audio, Text)双模态数据集,托管在 HuggingFace Datasets 平台上,由用户 tyler07 发布。数据集的核心内容是 YouTube 音频片段与对应的越南语转写文本,整体规模处于 100K–1M 行区间,实际数据量为 338k 行,全部位于 train 划分中,子集(subset)为 default。
数据字段(Data Studio)
根据 Data Studio 提供的结构信息,每条数据记录包含以下字段:
- audio:音频数据本身
- audio duration (s):音频时长(秒)
- transcript:越南语转写文本
- video_id:来源视频的标识
- chunk_id:音频分片标识
- start:片段在原视频中的起始时间
- end:片段在原视频中的结束时间
- duration:片段时长
这些字段共同描述了每个音频分片的来源、时间定位与文本内容,便于按视频与时间区间进行检索和切分。
文件与版本(Files and versions)
数据集以 parquet 格式存储与分发,可通过 HuggingFace 数据集落地页(https://huggingface.co/datasets/tyler07/mid-accent-crawl-youtube)访问 Files and versions 区域获取各版本文件。数据集规模标注为 100K–1M,default 子集下 train 划分共 338k 行。
社区(Community)
用户可在数据集页面的 Community 区域查看与参与讨论。页面未标明许可证信息,使用前建议在原页面核实授权条款。
数据查看器(Dataset Viewer)
HuggingFace 提供在线 Dataset Viewer,可直接浏览 default 子集 train 划分中的 338k 行数据,逐条查看 audio、transcript、video_id、chunk_id、start、end、duration 等字段的实际内容,便于在下载前预览数据质量与结构。
基本信息
记录数量100K - 1M;338k rows(train split)
文件大小未知
文件格式parquet
数据来源tyler07
模态音频、文本
数据规模100K - 1M(338k 行,train 划分)
子集划分default(train:338k 行)
主要字段audio、audio duration (s)、transcript、video_id、chunk_id、start、end、duration
发布日期2026-08-10
数据落地页https://huggingface.co/datasets/tyler07/mid-accent-crawl-youtube
越南语语音识别音频转写YouTube音频音频文本数据集
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