英文语音摘要数据集

一、产品概述

音频摘要数据集共计466小时，数据源来自网络公开影视剧，总剧集15部。数据内容包含编号、转写文本、年龄、性别、音频摘要。

二、产品目录结构

目录结构

数据目录结构数据目录结构

└─DOC（剧集编号）
│├─content.txt（文本文件）
└─SPEECHDATA（音频文件夹）
└─M001（剧集编号）
│├─M001W00001.wav（音频文件）

命名规则

CORPUS/SPEECHDATA/Episode ID/Audio ID/e.g./SPEECHDATA/<Episode ID>/M001W00001.wav

目录名称 · 内容 · 备注

CORPUS · · 数据库编号

Episode ID · M001~M015 · 剧集编号

Audio ID · M001W00001.wav · 音频文件

剧集编号 · 音频数 · 时长

M001 · 25500 · 47.7

M002 · 17076 · 34.5

M003 · 49421 · 86.9

M004 · 15850 · 18.1

M005 · 39314 · 66.4

M006 · 20637 · 41.2

M007 · 19078 · 53.5

M008 · 10731 · 23.6

M009 · 29311 · 56.8

M010 · 3830 · 18.9

M011 · 2878 · 7.3

M012 · 2771 · 3.9

M013 · 2435 · 6.1

M014 · 173 · 0.6

M015 · 1134 · 0.8

总计 · 240139 · 466.51

三、分类信息

数据总共来源15部影视剧集，各个剧集对应的时长如下所示：

数据样例下载

点击下载数据样例（数据样例.zip）