---
language:
- ug
- zh
pretty_name: UyZh-FolkSpeech
license: cc-by-4.0
task_categories:
- translation
- automatic-speech-recognition
tags:
- parallel-corpus
- low-resource
- uyghur
- chinese
- audio
size_categories:
- 1K<n<10K
---

# UyZh-FolkSpeech：维吾尔语-汉语平行短句与常用词条数据集（四说话人录音全覆盖）

UyZh-FolkSpeech is a Uyghur-Chinese parallel dataset with four-speaker audio coverage for each entry.

## 相关链接
- 代码与项目主页（GitHub）：https://github.com/kalimustafa/UyZh-FolkSpeech
- 论文与材料（GitHub 仓库内 paper/）：https://github.com/kalimustafa/UyZh-FolkSpeech/tree/main/paper

## 数据集概述
UyZh-FolkSpeech 面向低资源场景的维吾尔语-汉语语言技术研究与工程落地，覆盖新疆地区常见的民间谚语与日常口语表达，并补充常用词与短语条目。数据可用于：
- 机器翻译（Uyghur ↔ Chinese）
- 跨语言检索与对话系统
- 语音增强 NLP、自动语音识别（ASR）
- 语音到文本翻译（Speech-to-Text Translation）等下游任务

## 数据规模
| 项目 | 数量 |
| --- | --- |
| 文本条目总数 | 1984 |
| 维汉短句对（谚语与日常表达） | 953 |
| 常用词与短语条目 | 1031 |
| 每条目说话人数 | 4（S01-S04，两男两女） |
| 音频片段总数 | 7936 |

## 不可变编号（Immutable IDs）
所有条目均分配不可变 ID，便于版本迭代与可复现引用：
- 短句对：`UYZH-S-*`
- 词与短语：`UYZH-W-*`

建议在任何派生数据、评测切分与模型训练记录中保留 `id` 字段，以实现稳定追踪。

## 数据文件与字段设计
推荐使用 TSV（UTF-8 编码）存储文本条目，并用 manifest 映射音频。

### 文本文件（示例）
- `data/uyzh_bilingual_pairs.tsv`：953 条短句对
- `data/common_words_1031.tsv`：1031 条词/短语

建议字段如下：
| 字段 | 类型 | 说明 |
| --- | --- | --- |
| id | string | 不可变记录 ID（`UYZH-S-*` / `UYZH-W-*`） |
| subset | string | `sentence` / `word_phrase`（或更细标签） |
| uy | string | 维吾尔文文本（UTF-8） |
| zh | string | 中文文本（UTF-8） |
| source_type | string | `online` / `field`（如已提供） |
| tags | string 或 list | 最小主题标签（如已提供） |

### 音频清单（manifest）
- `audio/audio_manifest.tsv`：文本 ID 与音频文件一一映射（建议）

建议至少包含：
| 字段 | 类型 | 说明 |
| --- | --- | --- |
| id | string | 对应文本条目 ID |
| speaker | string | 说话人标识（S01-S04） |
| path | string | 音频相对路径（指向仓库内文件） |
| duration | float | 时长（秒） |
| sample_rate | int | 固定 48000 |
| channels | int | 固定 1 |
| codec | string | aac-lc |
| bitrate | int 或 string | 比特率（如有记录） |

## 音频规范
- 格式：M4A（AAC-LC）
- 采样率：48 kHz
- 声道：单声道
- 覆盖：每个文本条目提供 4 位母语说话人录音（S01-S04，两男两女）
- 对齐：通过 manifest 实现文本与音频的一一映射，便于复现与下游处理

## 数据生成与处理流程（Methods 概要）
数据由公开材料与线下采集整理而成，采用统一处理流水线：
- OCR/转写
- 人工校对
- 句级对齐
- 规范化清洗
- 质量检查

并对录音建立清单映射，以支持语音相关任务的可复现使用。

## 质量控制（Quality Control）
- 全量一致性检查：ID 唯一性、字段完整性、编码与字符集一致性
- 文本规范化：空白与标点统一、异常字符处理、明显错配修订
- 音频检查：格式统一、路径可解析、时长与采样率一致
- 下游友好：保留不可变 ID，便于切分与对比实验

## 使用方式（Datasets 示例）
说明：如果你希望 Hugging Face Dataset Viewer 可直接预览，请确保仓库中存在可识别的结构化数据文件（如 .tsv/.csv/.json/.parquet），并且音频可通过 manifest 的相对路径访问。

### 读取 TSV（本地或下载后）
```python
from datasets import load_dataset

ds = load_dataset(
    "csv",
    data_files={"train": "data/uyzh_bilingual_pairs.tsv"},
    delimiter="\t",
    split="train"
)
print(ds[0])