Svarah 数据集简介

概述

Svarah 是一个由 ai4bharat 发布的语音-文本数据集，主要用于语音识别和语音合成等相关任务。

主要用途

该数据集适用于训练和评估自动语音识别（ASR）系统、语音合成模型，以及进行语音-文本对齐等研究。

数据类型与模态

• 模态类型：音频、文本
• 数据格式：音频文件（具体格式未在元数据中明确，但可通过 Parquet 格式访问数据）与对应的文本转录。

规模与统计

• 数据条目：共 6,656 条样本。
• 存储格式：数据集以 Parquet 格式提供，便于高效处理和分析。

使用场景

• 语音识别模型开发：为印度语言（或其他相关语言）的 ASR 模型提供训练和测试数据。
• 语音技术研究：支持多模态学习、语音合成、语音翻译等前沿研究。
• 教育与基准测试：可作为学术研究或工业界评估语音处理系统性能的基准数据集。