anke01/

uyghur-whisper-finetune

维吾尔语-汉语平行语音数据集，适用于 Whisper 模型微调。

本数据集源自 UyZh-FolkSpeech，经过以下处理：

音频格式转换： M4A → WAV (16kHz, 单声道) 文本清洗: 移除不可见控制字符 (U+200E, U+200F 等) 数据集划分: train/val/test (80%/10%/10%) 目录重组: 按划分分文件夹存储

	数据统计




	

划分 记录数 音频数 时长

train 6,348 6,348 407.60 分钟

validation 793 793 48.89 分钟

test 795 795 51.80 分钟

总计 7,936 7,936 508.29 分钟

短句 (sentence): 3,812 条 词汇短语 (word): 4,124 条

每个文本条目由 4 位说话人… See the full description on the dataset page: https://huggingface.co/datasets/anke01/uyghur-whisper-finetune.