橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
数据集

TurkmenSpeech

mamed0v/TurkmenSpeech

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：cc-by-nc-4.0 上游版本：62f2ed565b0b

中文简介

mamed0v/TurkmenSpeech 是 mamed0v 在 Hugging Face 发布的数据集仓库，当前卡片主要关联语音识别、语音合成。本站固定记录上游版本 62f2ed565b0b，同步到 99983 个文件，文件元数据合计 27.17 GB；访问状态为“公开”，许可证字段为“cc-by-nc-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 mamed0v/TurkmenSpeech 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
mamed0v/TurkmenSpeech 是 mamed0v 在 Hugging Face 发布的数据集仓库，当前卡片主要关联语音识别、语音合成。本站固定记录上游版本 62f2ed565b0b，同步到 99983 个文件，文件元数据合计 27.17 GB；访问状态为“公开”，许可证字段为“cc-by-nc-4.0”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本：62f2ed565b0b。 任务标签：语音识别、语音合成。 语言字段：tk。 数据集卡名称：Turkmen Speech Dataset。 规模分类：100K<n<1M。 上游页面记录的最近更新时间：2025-11-01。

【文件信息】
上游 API 返回 99983 个文件，文件元数据合计 27.17 GB。 已保存文件清单中的主要扩展名：.wav 98 个、.csv 1 个、无扩展名 1 个。 当前较大的文件包括：data/metadata.csv（36.60 MB）；data/wavs/000/chunk_-4b54Z3HJFs_142_662.65-686.27.wav（738.08 KB）；data/wavs/000/chunk_-4b54Z3HJFs_185_874.82-891.33.wav（516.20 KB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 27.17 GB。仅按下载、解压和临时文件估算，建议至少预留约 32.60 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-nc-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Turkmen Speech Dataset (ASR) This dataset contains **251 hours of Turkmen speech audio** with transcriptions, intended for training and evaluating **Automatic Speech Recognition (ASR)** models. It is one of the **largest publicly available Turkmen speech datasets**. Dataset Overview | Property | Value | |----------------|--------------| | Total clips | 119,847 | | Total duration | 251.86 hours | | Sampling rate | 16,000 Hz | | Language | Turkmen (`tk`) | | Split | `train` | Each item includes: **audio**: waveform + sampling rate **text**: Turkmen transcription **duration**: clip length in seconds **start/end** timestamps from the original source **source**: YouTube link **speaker_id**: currently `unknown` Quality Notes 95% of clips are under **20 seconds**, suitable for ASR model training Contains real-world spoken Turkmen (news, interviews, dialogues, narration) Correct diacritic usage No empty or silent clips License This dataset is released under the **Creative Commons Attribution–NonCommercial 4.0 International (CC BY-NC 4.0)** license. You are free to: Use, share, and modify the dataset **for research and non-commercial purposes only** You must: Provide proper attribution **Not use the dataset or derivative works for commercial purposes** Full license text: https://creativecommons.org/licenses/by-nc/4.0/

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

规模与格式

固定版本：62f2ed565b0b。 任务标签：语音识别、语音合成。 语言字段：tk。 数据集卡名称：Turkmen Speech Dataset。 规模分类：100K<n<1M。 上游页面记录的最近更新时间：2025-11-01。

文件说明

上游 API 返回 99983 个文件，文件元数据合计 27.17 GB。 已保存文件清单中的主要扩展名：.wav 98 个、.csv 1 个、无扩展名 1 个。 当前较大的文件包括：data/metadata.csv（36.60 MB）；data/wavs/000/chunk_-4b54Z3HJFs_142_662.65-686.27.wav（738.08 KB）；data/wavs/000/chunk_-4b54Z3HJFs_185_874.82-891.33.wav（516.20 KB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes145 B
  • data/metadata.csv36.60 MB
  • data/wavs/000/chunk_-4b54Z3HJFs_0_39.47-43.19.wav116.45 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_100_506.70-508.94.wav70.01 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_101_509.34-511.42.wav65.29 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_102_512.07-514.55.wav77.73 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_103_514.97-517.22.wav70.39 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_104_517.70-519.50.wav56.33 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_105_519.84-521.14.wav40.67 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_106_521.49-522.64.wav36.08 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_107_523.14-524.46.wav41.17 KB
  • data/wavs/000/chunk_-4b54Z3HJFs_108_524.77-526.21.wav45.04 KB

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 27.17 GB。仅按下载、解压和临时文件估算，建议至少预留约 32.60 GB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-nc-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。