拉特加莱语朗读语音数据

25小时拉特加莱语（拉脱维亚东部方言）朗读语音数据集，服务于低资源保护语种的ASR研究。

25 条数据更新时间 2026-05-11

数据集简介

本数据集包含25小时的拉特加莱语朗读语音（波罗的语系），发音人为拉脱维亚东部拉特加莱地区的母语使用者。朗读文本包含当地诗歌、民间传说和现代日常用语。录音环境为安静的室内场景，音频参数为16kHz/16bit单声道WAV，提供词级转写。面向濒危语言数字化的语料库构建和数据增强需求，适用于濒危语种的自动语音识别和语言保护算法开发。

数据质量

记录完整性

99.89%

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。