Datasetpublic

fosters/bely_klyck_output

Белы Клык Аўтар / Author: Джэк ЛонданМова / Language: Беларуская (Belarusian) Частка калекцыі Ministerskija — выраўнаваныя аўдыёзапісы беларускіх аўдыёкніг з транскрыпцыямі. Апублікаваных радкоў (HF) 1,863 Агулам у БД 4,831 Доўгасць аўдыё 12h36m Парог даверу ≥ 0.95 Структура Кожны радок змяшчае: audio — аўдыёфрагмент (~15 с) text — транскрыпцыя (Gemini + ASR выраўнаванне) chunk_uid — унікальны ідэнтыфікатар фрагмента Апрацоўка… See the full description on the dataset page: https://huggingface.co/datasets/fosters/bely_klyck_output.

sourceHugging Facecc0-1.0updated 4mo agoView on Hugging Face

0likes19downloads

Dataset Card

Белы Клык

Аўтар / Author: Джэк Лондан Мова / Language: Беларуская (Belarusian)

Частка калекцыі Ministerskija — выраўнаваныя аўдыёзапісы беларускіх аўдыёкніг з транскрыпцыямі.


Апублікаваных радкоў (HF)	1,863
Агулам у БД	4,831
Доўгасць аўдыё	12h36m
Парог даверу	≥ 0.95

Структура

Кожны радок змяшчае:

—audio — аўдыёфрагмент (~15 с)
—text — транскрыпцыя (Gemini + ASR выраўнаванне)
—chunk_uid — унікальны ідэнтыфікатар фрагмента

Апрацоўка

Аўдыёкніга разбіта на кароткія фрагменты і выраўнавана з транскрыпцыямі з дапамогай Gemini і двух незалежных ASR-сістэм. Упэўненасць выраўнавання ≥ 0.95.

Дыктар / Speaker


Кластар	speaker_02
Ацэнка падабенства (сярэдняя)	0.879
Найбліжэйшы датасет	ernest_heminguei_stary_chalavek_i_mora_output (0.95)

Вызначана мадэллю [WavLM-Base+](https://huggingface.co/microsoft/wavlm-base-plus-sv) (cosine similarity, threshold=0.82).