Datasetpublic

ggfox00000/stt-vibravox-fr-test

VibraVox FR — test split (mirror of Cnam-LMSSC/vibravox) Mirror public des splits test de VibraVox (CNAM-LMSSC, Paris) pour benchmark ASR français multi-capteur sur audio standard ET non-standard (bone-conduction, in-ear, throat, accéléromètre). Ce repo contient uniquement les configs speech_clean + speech_noisy (les seules avec transcription). Les configs speechless_* upstream sont exclues car sans texte → pas de WER possible. Configs Config Test rows… See the full description on the dataset page: https://huggingface.co/datasets/ggfox00000/stt-vibravox-fr-test.

sourceHugging Facecc-by-4.0updated 5mo agoView on Hugging Face

0likes361downloads

Dataset Card

VibraVox FR — test split (mirror of `Cnam-LMSSC/vibravox`)

Mirror public des splits `test` de VibraVox (CNAM-LMSSC, Paris) pour benchmark ASR français multi-capteur sur audio standard ET non-standard (bone-conduction, in-ear, throat, accéléromètre).

Ce repo contient uniquement les configs `speech_clean` + `speech_noisy` (les seules avec transcription). Les configs speechless_* upstream sont exclues car sans texte → pas de WER possible.

Configs

Config	Test rows	Test size	Domaine
`speech_clean`	3 064 utt	~14.36 GB	Phrases lues en environnement studio calme
`speech_noisy`	175 utt	~0.86 GB	Phrases lues en environnement bruité

Total mirror : ~15.22 GB, 3 239 utterances.

Schéma (identique pour les 2 configs)

Chaque row contient 6 captures audio synchronisées du MÊME locuteur prononçant la MÊME phrase, sur 6 capteurs simultanés :

Colonne	Type	Description
`audio.headset_microphone`	Audio	Casque studio = canal référence ASR
`audio.forehead_accelerometer`	Audio	Accéléromètre front (bone conduction)
`audio.soft_in_ear_microphone`	Audio	Micro intra-auriculaire souple
`audio.rigid_in_ear_microphone`	Audio	Micro intra-auriculaire rigide
`audio.temple_vibration_pickup`	Audio	Capteur vibration tempe
`audio.throat_microphone`	Audio	Micro de gorge
`gender`	string	M / F
`speaker_id`	string	identifiant locuteur
`sentence_id`	int64	id phrase (mêmes phrases répétées entre locuteurs)
`duration`	float64	durée en secondes
`raw_text`	string	texte brut
`normalized_text`	string	texte normalisé (référence WER)
`phonemized_text`	string	transcription phonétique

Utilisation

Chargement

python

from datasets import load_dataset

# clean
ds_clean = load_dataset("ggfox00000/stt-vibravox-fr-test", "speech_clean", split="test")
# noisy
ds_noisy = load_dataset("ggfox00000/stt-vibravox-fr-test", "speech_noisy", split="test")

sample = ds_clean[0]
print(sample["normalized_text"])
# canal référence pour ASR :
print(sample["audio.headset_microphone"]["sampling_rate"],
      sample["audio.headset_microphone"]["array"].shape)
# canal alternatif (bone conduction) :
print(sample["audio.throat_microphone"]["array"].shape)

Bench ASR multi-capteur

Le canal audio.headset_microphone est la baseline standard (équivalent d'un micro casque studio). Les 5 autres canaux sont des captures alternatives (bone conduction / vibration / in-ear) — utiles pour mesurer la robustesse de Whisper / Canary à de l'audio "non standard".

Pour un bench WER classique, comparer la sortie ASR sur headset_microphone au champ normalized_text.

Pré-traitement

Aucun. Les 32 parquets test (30 speechclean + 2 speechnoisy) sont transférés bit-à-bit depuis Cnam-LMSSC/vibravox. Aucun resampling, aucun ré-encodage. Audio upstream : 48 kHz mono PCM par canal.

Source

—Dataset upstream : https://huggingface.co/datasets/Cnam-LMSSC/vibravox
—Lab : CNAM-LMSSC (Conservatoire National des Arts et Métiers — Laboratoire de Mécanique des Structures et des Systèmes Couplés), Paris
—Project page : https://vibravox.cnam.fr

Licence

CC-BY-4.0 (héritée de VibraVox upstream). Toute redistribution doit créditer le CNAM-LMSSC.

Citation

bibtex

@misc{vibravox2024,
  title  = {{Vibravox: A Dataset of French Speech Captured with Body-conduction
            Audio Sensors}},
  author = {{Hauret, Julien and others}},
  year   = {2024},
  publisher = {Hugging Face},
  url    = {https://huggingface.co/datasets/Cnam-LMSSC/vibravox},
}