Dataset Viewer
Auto-converted to Parquet
id
int64
audio
audio
speaker_id
int64
text
string
1
1
Habari za asubuhi?
2
1
Unajisikiaje leo?
3
1
Tafadhali nipe maji.
4
1
Samahani, unaweza kunisaidia?
5
1
Jina lako ni nani?
6
1
Nimefurahi kukuona.
7
1
Karibu nyumbani kwetu.
8
1
Kwa heri, tutakutana tena.
9
1
Siku njema rafiki yangu.
10
1
Usiku mwema na lala salama.
11
1
Chakula hiki ni kitamu sana.
12
1
Tafadhali lete chakula kingine.
13
1
Ninaenda sokoni kununua matunda.
14
1
Unapenda chai au kahawa?
15
1
Leo hali ya hewa ni nzuri sana.
16
1
Barabara ni ndefu na yenye mashimo.
17
1
Gari langu limeharibika njiani.
18
1
Unapendelea muziki wa aina gani?
19
1
Nilifika ofisini mapema leo.
20
1
Samaki waliopikwa kwa mkaa wana ladha nzuri.
21
1
Unaweza kunionesha njia?
22
1
Umemaliza kazi yako?
23
1
Ni saa ngapi sasa?
24
1
Tafadhali funga mlango.
25
1
Unaweza kurudia tafadhali?
26
1
Watoto wamerudi shuleni?
27
1
Nani alishinda mchezo jana?
28
1
Tafadhali ongeza chumvi kidogo.
29
1
Niendelee au nisimame hapa?
30
1
Je, umepata barua pepe yangu?
31
1
Haraka haraka haina baraka.
32
1
Asiyeuliza hanalo ajifunzalo.
33
1
Akili ni mali, tumia vizuri.
34
1
Mtoto wa nyoka ni nyoka.
35
1
Tamaa mbele, mauti nyuma.
36
1
Mvumilivu hula mbivu.
37
1
Mwenye pupa hadiriki kula tamu.
38
1
Chanda chema huvikwa pete.
39
1
Ukiona vyaelea, jua vimeundwa.
40
1
Penye nia pana njia.
41
1
Moja, mbili, tatu, nne, tano.
42
1
Sita, saba, nane, tisa, kumi.
43
1
Kumi na moja, kumi na mbili.
44
1
Ishirini, thelathini, arobaini.
45
1
Mia moja, elfu moja.
46
1
Ninahitaji nusu kilo ya sukari.
47
1
Bei ya bidhaa hii ni shilingi elfu tano.
48
1
Tulipanda milima mitatu jana.
49
1
Kuna watoto ishirini darasani.
50
1
Nilinunua ndizi tano sokoni.
51
1
Leo ni Jumatatu.
52
1
Kesho nitakuwa na mkutano.
53
1
Tulianza kazi saa mbili asubuhi.
54
1
Tafadhali njoo saa tisa mchana.
55
1
Wiki ijayo nitasafiri kwenda Zanzibar.
56
1
Mwisho wa mwezi nitapokea mshahara.
57
1
Jana kulikuwa na mvua kubwa.
58
1
Tunakutana kila siku ya Jumapili.
59
1
Desemba ni mwezi wa sikukuu.
60
1
Saa yangu imeharibika.
61
1
Baba anapika bagia kwa bidii.
62
1
Dada yangu anapenda densi.
63
1
Ndege wa buluu huruka juu ya bahari.
64
1
Kijana kinachoimba kinasikika vizuri.
65
1
Mchana wa leo ni wa joto kali.
66
1
Nyumba mpya ina rangi ya kijani.
67
1
Zawadi zangu zote zimepotea.
68
1
Chui mweusi anakimbia haraka.
69
1
Tumekusanya matunda mengi shambani.
70
1
Kijiko kimeanguka chini.
71
1
Tunapaswa kuzungumza kwa utulivu.
72
1
Je, unafahamu njia fupi ya kufika sokoni?
73
1
Wanafunzi wanajifunza hesabu darasani.
74
1
Mti mkubwa unatoa kivuli kizuri.
75
1
Mbwa wangu anapenda mbio.
76
1
Jana niliona simba mbugani.
77
1
Kuna samaki wengi baharini.
78
1
Tafadhali fungua kitabu ukurasa wa tano.
79
1
Gari linaenda kwa kasi barabarani.
80
1
Watoto wanapenda kucheza uwanjani.
81
1
Leo jua linawaka sana.
82
1
Mti huu una matunda matamu sana.
83
1
Maji haya ni baridi sana.
84
1
Paka wangu anapenda kulala juu ya sofa.
85
1
Samaki wanaruka ndani ya maji.
86
1
Ninapenda kupanda mlima asubuhi.
87
1
Je, unaweza kuhesabu hadi mia moja?
88
1
Nyumba yetu iko karibu na msitu.
89
1
Leo nimevaa shati jekundu.
90
1
Hii ndizi ni tamu kuliko nyingine.
91
1
Ndege wanaruka angani kwa furaha.
92
1
Barabara hii ina giza sana usiku.
93
1
Tunapenda kusafiri mwishoni mwa wiki.
94
1
Sauti yako ni nzuri sana.
95
1
Ningependa kunywa chai moto.
96
1
Tunacheza mpira kila jioni.
97
1
Samaki huyu ana uzito mkubwa.
98
1
Nilisikia muziki mzuri sokoni.
99
1
Punda amebeba mizigo mizito.
100
1
Tunazungumza Kiswahili kila siku.
End of preview. Expand in Data Studio

Swahili Speech-to-Text Dataset

This dataset contains paired audio and text data for training and evaluating speech-to-text models in Swahili. The audio files have been processed to remove silence, converted to 44.1kHz mono FLAC format, and are paired with corresponding transcriptions.

Structure

  • audio_*.flac: Audio files in FLAC format, named by their corresponding text corpus ID.
  • metadata.jsonl: JSON Lines file with metadata for each audio-text pair. Each line is a JSON object with the following fields:
    • id: Integer, the text corpus ID
    • file_name: String, the filename of the audio file
    • text: String, the transcription
    • speaker_id: Integer, the speaker identifier (currently only 1 and 2)

Example metadata entry

{
  "id": 1,
  "file_name": "audio_1.flac",
  "speaker_id": 1,
  "text": "Habari za asubuhi?"
}

Usage

You can load this dataset using the Hugging Face Datasets library:

from datasets import load_dataset

dataset = load_dataset('path/to/hf-dataset', split='train')
Downloads last month
621