Ma-OpenHub/Tutlait-v1 数据集
面向低资源 Tamazight 到阿拉伯语的语音翻译数据。
为什么重要
为低资源 Tamazight 语音翻译和语音模型微调提供可用数据。
阅读原文huggingface.co
AI 解读（根据原文生成）
Ma-OpenHub/Tutlait-v1 是一个 Hugging Face 语音数据集，包含约 21 小时 Tamazight（Amazigh / Berber）语音，来自 118 名说话人，每段音频配有阿拉伯语（MSA）翻译。数据面向 Tamazight 音频到阿拉伯文本的 speech-to-text translation，也可用于微调 Whisper 等语音模型。数据包含 audio、text、accent、speaker_id、gender、verified、duration 等字段，许可证为 cc-by-4.0，链接已提供且无需申请访问。
要点（AI 据原文整理，数字均已与原文核对）
- 包含 13,384 个 clips，总音频约 ~20.9 hours。
- 数据来自 118 speakers，平均片段长度 5.6 s。
- Unique sentences 为 11,047。
- 音频格式为 16 kHz, mono。
- Human-verified rows 为 1,567 (11.7%)。
