迪维希语朗读语音数据
40小时迪维希语朗读语音数据集，含文本转写及发音人信息，适用于马尔代夫官方语言低资源ASR系统开发。
40 条数据更新时间 2026-05-11
数据集简介
本数据集是服务于迪维希语（马尔代夫官方语言）的朗读式语音专辑，总时长40小时。录音人为马尔代夫本土发音人，男女比例均衡，年龄覆盖15至55岁。录制内容包含日常语句、新闻播报、旅游常用语等，迪维希语文本采用Thaana书写系统。音频参数为16kHz/16bit单声道WAV，提供精确的时间戳对齐文本标注。适用于低语种ASR资源建设和多语种通用语音引擎的前沿探索。
数据质量
记录完整性
95.87%
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
需要定制更适合业务场景的数据集？
我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。