发布afrikaans-30s数据集,应用在语音识别、低资源语言领域

本次发布的数据集afrikaans-30s,该数据集包含约50小时的南非荷兰语（Afrikaans）语音，提取自教堂布道，并配有经过清理和对齐的转录文本。专门用于为低资源南非荷兰语语音微调多语言自动语音识别（ASR）模型，如OpenAI的Whisper（特别是`large-v3`版本）。音频被分割为固定的30秒片段（带有3秒重叠以保留上下文），采样率为16 kHz单声道16位PCM。转录文本使用Whisper的非英语文本标准化规则进行归一化处理（小写字母，无标点符号/变音符号，移除括号/圆括号，压缩空格）。该数据集旨在提升Whisper在真实世界、自发南非荷兰语语音（如布道、公告、对话）中的表现，涵盖多种口音和噪音环境。 - **语言**：南非荷兰语（`af`） - **领域**：非正式/自发语音，主要为南非宗教/社区内容 - **总时长**：约50小时（后处理） - **片段**：数千个30秒片段，分为训练/验证/测试集（80/10/10比例） - **许可证**：CC-BY-4.0（仅供研究用途）

查看afrikaans-30s

Dataset card内容：

Files and versions内容：

关于,国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于HuggingFace,Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。