datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
belebele-fleurs
Belebele-Fleurs
Belebele-Fleurs is a dataset suitable to evaluate two core tasks:
Multilingual Spoken Language Understanding (Listening Comprehension): For each spoken paragraph, the task is to answer a multiple-choice question. The question and four answer choices are provided in text form.
Multilingual Long-Form Automatic Speech Recognition (ASR) with Diverse Speakers: By concatenating sentence-level utterances, long-form audio clips (ranging from 30 seconds to 1 minute 30… See the full description on the dataset page: https://huggingface.co/datasets/WueNLP/belebele-fleurs.2M-Belebele
2M-Belebele
Highly-Multilingual Speech and American Sign Language Comprehension Dataset
We introduce 2M-Belebele as the first highly multilingual speech and American Sign Language (ASL) comprehension dataset. Our dataset, which is an extension of the existing Belebele only-text dataset, covers 74 spoken languages at the intersection of Belebele and Fleurs, and one sign language (ASL).
The speech dataset is built from aligning Belebele, Flores200 and Fleurs datasets as… See the full description on the dataset page: https://huggingface.co/datasets/facebook/2M-Belebele.bely_klyck_all
Белы Клык
Аўтар / Author: Джэк ЛонданМова / Language: Беларуская (Belarusian)
Аўдыё нарэзана з арыгінальнага запісу ў зыходнай частаце дыскрэтызацыі (native), мона, фрагменты да 30 секунд.
Частка калекцыі Belarusian Audiobooks (native).
Радкоў у датасеце
2,056
Працягласць
5 гадз 20 хв
Частата дыскрэтызацыі
44100 Hz
Каналы
мона
Даўжыня фрагмента
да 30 с
Структура
Кожны радок змяшчае:
audio — аўдыёфрагмент (native SR, мона, ≤30 с)
text —… See the full description on the dataset page: https://huggingface.co/datasets/fosters/bely_klyck_all.podcast-transcripts
Podcast Transcripts & Belief Graph
Structured belief extractions, transcripts, speaker profiles, and embeddings
mined from Bitcoin / crypto podcasts by the
be-podcast-etl pipeline.
Scale (snapshot 2026-04-21)
Asset
Count
Episodes (manifests)
1,551
Podcasts
18
Speakers
876
Persons (enriched profiles)
3,915
Belief shards
66,453
Embeddings (1536-dim)
65,007
Matrices
62,882
Top podcasts: simply-bitcoin (375), the-bitcoin-matrix (264)… See the full description on the dataset page: https://huggingface.co/datasets/BeliefEngines/podcast-transcripts.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.reazonspeech-v2-based-yomi-inferred
ReazonSpeech v2 読み推定データセット
利用制限
本データセットは ReazonSpeech v2 を元に作成した派生データセットです。以下の規約が適用されます。
ライセンス：CDLA-Sharing-1.0
日本国著作権法第30条の4（情報解析）の範囲内でのみ利用可能
それ以外の用途での使用は不可
本データセットにアクセスすることで、上記の条件に同意したものとみなされます。
概要
ReazonSpeech v2 all の音声・字幕データを元に、形態素解析および読み推定を行って作成したデータセットです。
著作権保護の観点から、元の字幕テキスト（表層形）は含まれていません。各レコードには、元データのエントリを参照するIDと、形態素解析結果から抽出した読み・品詞・表層形の文字数のみが保持されています。
解説記事：https://zenn.dev/bellpepper0606/articles/e028355e06ad2a
データ構造… See the full description on the dataset page: https://huggingface.co/datasets/bellpepper0606/reazonspeech-v2-based-yomi-inferred.ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski-output
Кароткая гісторыя Беларусі
Аўтар / Author: Алесь КраўцэвічДыктар / Narrator: Уладзімір ЛісоўскіМова / Language: Беларуская (Belarusian)
Частка калекцыі Ministerskija —
выраўнаваныя аўдыёзапісы беларускіх аўдыёкніг з транскрыпцыямі.
Апублікаваных радкоў (HF)
675
Доўгасць аўдыё
2h21m
Парог даверу
≥ 0.95
Структура
Кожны радок змяшчае:
audio — аўдыёфрагмент (~15 с)
text — транскрыпцыя (Gemini + ASR выраўнаванне)
chunk_uid — унікальны… See the full description on the dataset page: https://huggingface.co/datasets/fosters/ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski-output.ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski-output_original
Кароткая гісторыя Беларусі — арыгінальнае аўдыё
Аўтар / Author: Алесь КраўцэвічМова / Language: Беларуская (Belarusian)
Арыгінальнае аўдыё без апрацоўкі, захаванае ў зыходнай якасці.
Частка калекцыі Ministerskija —
корпус беларускіх аўдыёкніг.
Апрацаваная версія (сегменты ~15 с, выраўнаваная транскрыпцыя):
ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski-output
Доўгасць аўдыё
2h21m
Радкоў у датасеце
675
Структура
Кожны радок… See the full description on the dataset page: https://huggingface.co/datasets/fosters/ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski-output_original.Belarusian-Speech-Dataset
🎧 Belarusian Speech Dataset
The Belarusian Speech Dataset is a high-quality speech audio dataset designed to provide structured and diverse audio data for AI systems focused on speech technologies and language preservation. It includes 118 hours of audio data across 571 files, delivered in MP3 and WAV formats, with a total size of 192 MB. This well-balanced audio dataset ensures reliable voice data, with 55% female and 45% male speakers, and an age distribution spanning from 18 to… See the full description on the dataset page: https://huggingface.co/datasets/Speech-data/Belarusian-Speech-Dataset.bely_klyck_output_original
Белы Клык — арыгінальнае аўдыё
Аўтар / Author: Джэк ЛонданМова / Language: Беларуская (Belarusian)
Арыгінальнае аўдыё без апрацоўкі, захаванае ў зыходнай якасці.
Частка калекцыі Ministerskija —
корпус беларускіх аўдыёкніг.
Апрацаваная версія (сегменты ~15 с, выраўнаваная транскрыпцыя):
bely_klyck_output
Доўгасць аўдыё
12h36m
Радкоў у датасеце
1,853
Структура
Кожны радок змяшчае:
audio — арыгінальны аўдыёзапіс
text — транскрыпцыя
chunk_uid —… See the full description on the dataset page: https://huggingface.co/datasets/fosters/bely_klyck_output_original.ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski_all
Кароткая гісторыя Беларусі
Аўтар / Author: Алесь КраўцэвічМова / Language: Беларуская (Belarusian)
Аўдыё нарэзана з арыгінальнага запісу ў зыходнай частаце дыскрэтызацыі (native), мона, фрагменты да 30 секунд.
Частка калекцыі Belarusian Audiobooks (native).
Радкоў у датасеце
675
Працягласць
2 гадз 16 хв
Частата дыскрэтызацыі
44100 Hz
Каналы
мона
Даўжыня фрагмента
да 30 с
Структура
Кожны радок змяшчае:
audio — аўдыёфрагмент (native SR… See the full description on the dataset page: https://huggingface.co/datasets/fosters/ales-krautsevich-karotkaia-gistoryia-belarusi-uladzimir-lisouski_all.