Datasets:
id stringlengths 28 32 | speaker stringclasses 12
values | text_id stringclasses 131
values | epoch int64 8 8 | text stringclasses 105
values | gold stringclasses 111
values | audio stringlengths 39 43 | sr int64 24k 24k | pred_dur listlengths 163 404 | align dict | word_spans dict |
|---|---|---|---|---|---|---|---|---|---|---|
ep8_spk00_f_teen_bright_ls-0001 | spk00_f_teen_bright | ls-0001 | 8 | ช่วงนี้งานเยอะมากทั้งประชุมทั้งรายงานแทบไม่ได้พักเลย แต่สิ่งที่หนักที่สุดคือโปรเจกต์ใหม่ที่หัวหน้าเพิ่งมอบหมายให้เมื่อเช้าและย้ำว่ามี deadline | ช่วงนี้|งานเยอะมาก|ทั้งประชุม|ทั้งรายงาน|แทบไม่ได้พักเลย| แต่สิ่งที่หนักที่สุด|คือ|โปรเจกต์ใหม่|ที่หัวหน้า|เพิ่งมอบหมายให้เมื่อเช้า|และย้ำว่ามี deadline | audio/ep8_spk00_f_teen_bright_ls-0001.flac | 24,000 | [
9,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
2,
1,
2,
2,
2,
2,
2,
3,
3,
1,
2,
2,
2,
1,
1,
1,
2,
1,
2,
1,
1,
1,
1,
1,
1,
2,
2,
2,
1,
1,
1,
1,
2,
2,
3,
1,
1,
1,
1,
2,
2,
1,
1,
1,
1,
2,
1,
2,
1,
1,
1,
1,
1... | {
"text_norm": "ช่วงนี้งานเยอะมากทั้งประชุมทั้งรายงานแทบไม่ได้พักเลย แต่สิ่งที่หนักที่สุดคือโปรเจกต์ใหม่ที่หัวหน้าเพิ่งมอบหมายให้เมื่อเช้าและย้ำว่ามี deadline",
"phonemes": "cʰuːaŋ↘niː↗ŋaːn→jɤ↗maːk↘tʰaŋ↗pra˩cʰum→tʰaŋ↗raːj→ŋaːn→tʰɛːp↘maj↘daːj↘pʰak↗lɤːj→ tɛː˩siŋ˩tʰiː↘nak˩tʰiː↘sut˩kʰɯː→proː→ceːk˩maj˩tʰiː↘huːa↓naː↘pʰɤː... | {
"tltk": [
[
0,
7,
"ช่วงนี้"
],
[
7,
10,
"งาน"
],
[
10,
14,
"เยอะ"
],
[
14,
17,
"มาก"
],
[
17,
21,
"ทั้ง"
],
[
21,
27,
"ประชุม"
],
[
27,
31,
... |
ep8_spk00_f_teen_bright_ls-0002 | spk00_f_teen_bright | ls-0002 | 8 | Grab ที่เรียกเมื่อกี้แจ้งว่าอีกสิบห้านาทีถึง แต่ตอนนี้ผ่านมาครึ่งชั่วโมงแล้วคนขับยังวนอยู่แถวปากซอยหาทางเข้ามาไม่เจอสักที | Grab ที่เรียกเมื่อกี้แจ้งว่าอีกสิบห้านาทีถึง แต่ตอนนี้ผ่านมาครึ่งชั่วโมงแล้วคนขับยังวนอยู่แถวปากซอยหาทางเข้ามา|ไม่เจอสักที | audio/ep8_spk00_f_teen_bright_ls-0002.flac | 24,000 | [
9,
1,
2,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
2,
2,
1,
1,
1,
1,
2,
1,
2,
2,
2,
1,
3,
1,
2,
2,
2,
2,
1,
1,
1,
1,
1,
1,
2,
1,
1,
2,
1,
2,
2,
2,
1,
1,
2,
1,
1,
1,
1,
2,
1,
2,
1,
1,
2,
2,
5,
3... | {
"text_norm": "Grab ที่เรียกเมื่อกี้แจ้งว่าอีกสิบห้านาทีถึง แต่ตอนนี้ผ่านมาครึ่งชั่วโมงแล้วคนขับยังวนอยู่แถวปากซอยหาทางเข้ามาไม่เจอสักที",
"phonemes": "krɛp˩ tʰiː↘riːak↘mɯːa↘kiː↘cɛːŋ↘waː↘ʔiːk˩sip˩haː↘naː→tʰiː→tʰɯŋ↓ tɛː˩tɔːn→niː↗pʰaːn˩maː→kʰrɯŋ↘cʰuːa↘moːŋ→lɛːw↗kʰon→kʰap˩jaŋ→won→juː˩tʰɛːw↓paːk˩sɔːj→haː↓tʰaːŋ→kʰaw↘ma... | {
"tltk": [
[
0,
4,
"Grab"
],
[
5,
8,
"ที่"
],
[
8,
13,
"เรียก"
],
[
13,
21,
"เมื่อกี้"
],
[
21,
25,
"แจ้ง"
],
[
25,
28,
"ว่า"
],
[
28,
31,
... |
ep8_spk00_f_teen_bright_ls-0003 | spk00_f_teen_bright | ls-0003 | 8 | เมื่อวานได้มีโอกาสไปฟังบรรยายพิเศษของอาจารย์เกียรติศักดิ์ที่มหาวิทยาลัยซึ่งท่านเล่าเรื่องประวัติศาสตร์ไทยได้สนุกและเข้าใจง่ายมากจนเวลาสองชั่วโมงผ่านไปอย่างรวดเร็ว | เมื่อวาน|ได้มีโอกาส|ไปฟังบรรยายพิเศษ|ของอาจารย์เกียรติศักดิ์|ที่มหาวิทยาลัย|ซึ่งท่าน|เล่าเรื่องประวัติศาสตร์ไทย|ได้สนุก|และเข้าใจง่ายมาก|จน|เวลาสองชั่วโมง|ผ่านไป|อย่างรวดเร็ว | audio/ep8_spk00_f_teen_bright_ls-0003.flac | 24,000 | [
10,
1,
2,
1,
1,
1,
1,
3,
2,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
1,
1,
2,
1,
3,
2,
2,
1,
1,
1,
1,
2,
2,
2,
2,
2,
1,
1,
1,
2,
1,
2,
1,
1,
1,
1,
1,
1,
2,
2,
2,
2,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
... | {
"text_norm": "เมื่อวานได้มีโอกาสไปฟังบรรยายพิเศษของอาจารย์เกียรติศักดิ์ที่มหาวิทยาลัยซึ่งท่านเล่าเรื่องประวัติศาสตร์ไทยได้สนุกและเข้าใจง่ายมากจนเวลาสองชั่วโมงผ่านไปอย่างรวดเร็ว",
"phonemes": "mɯːa↘waːn→daːj↘miː→ʔoː→kaːt˩paj→faŋ→ban→jaːj→pʰi↗seːt˩kʰɔːŋ↓ʔaː→caːn→kiːat˩ti˩sak˩tʰiː↘ma↗haː↓wit↗tʰa↗jaː→laj→sɯŋ↘tʰan↘law... | {
"tltk": [
[
0,
8,
"เมื่อวาน"
],
[
8,
11,
"ได้"
],
[
11,
13,
"มี"
],
[
13,
18,
"โอกาส"
],
[
18,
20,
"ไป"
],
[
20,
23,
"ฟัง"
],
[
23,
29,
"บ... |
ep8_spk00_f_teen_bright_ls-0004 | spk00_f_teen_bright | ls-0004 | 8 | หลังจากที่ทีมงานช่วยกันปรับบทและถ่ายทำใหม่อยู่หลายรอบผลตอบรับจากผู้ชมก็ดีขึ้นเรื่อยเรื่อยโดยเฉพาะหลังจากที่ผู้กำกับได้อ่านความคิดเห็นและนำมาปรับตามซึ่งเราเรียกกระบวนการแบบนี้ว่า feedback | หลังจากที่|ทีมงาน|ช่วยกัน|ปรับบท|และถ่ายทำใหม่|อยู่หลายรอบ|ผลตอบรับ|จากผู้ชม|ก็ดีขึ้นเรื่อยเรื่อย|โดยเฉพาะ|หลังจากที่|ผู้กำกับ|ได้อ่าน|ความคิดเห็น|และนำมาปรับตาม|ซึ่งเราเรียก|กระบวนการแบบนี้|ว่า feedback | audio/ep8_spk00_f_teen_bright_ls-0004.flac | 24,000 | [
10,
2,
2,
2,
2,
1,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
2,
2,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
2,
2,
3,
1,
1,
2,
2,
1,
1,
2,
4,
2,
1,
2,
2,
1,
2,
2,
1,
1,
1,
1,
1,
1,
2,
2,
1,
2,
2,
... | {
"text_norm": "หลังจากที่ทีมงานช่วยกันปรับบทและถ่ายทำใหม่อยู่หลายรอบผลตอบรับจากผู้ชมก็ดีขึ้นเรื่อยเรื่อยโดยเฉพาะหลังจากที่ผู้กำกับได้อ่านความคิดเห็นและนำมาปรับตามซึ่งเราเรียกกระบวนการแบบนี้ว่า feedback",
"phonemes": "laŋ↓caːk˩tʰiː↘tʰiːm→ŋaːn→cʰuːaj↘kan→prap˩bot˩lɛ↗tʰaːj˩tʰam→maj˩juː˩laːj↓rɔːp↘pʰon↓tɔːp˩rap↗caːk˩pʰ... | {
"tltk": [
[
0,
7,
"หลังจาก"
],
[
7,
10,
"ที่"
],
[
10,
16,
"ทีมงาน"
],
[
16,
20,
"ช่วย"
],
[
20,
23,
"กัน"
],
[
23,
27,
"ปรับ"
],
[
27,
29,
... |
ep8_spk00_f_teen_bright_ls-0005 | spk00_f_teen_bright | ls-0005 | 8 | คุณยายเล่าให้ฟังว่าสมัยก่อนเวลามีงานบุญที่วัดชาวบ้านจะช่วยกันทำกระยาสารทแจกจ่ายกันทั้งหมู่บ้านเป็นภาพที่อบอุ่นและหาดูได้ยากในปัจจุบัน | คุณยายเล่าให้ฟังว่าสมัยก่อนเวลามีงานบุญที่วัด|ชาวบ้าน|จะช่วยกันทำกระยาสารท|แจกจ่ายกันทั้งหมู่บ้าน|เป็นภาพที่อบอุ่น|และหาดูได้ยาก|ในปัจจุบัน | audio/ep8_spk00_f_teen_bright_ls-0005.flac | 24,000 | [
9,
1,
1,
1,
2,
2,
2,
3,
2,
1,
1,
1,
2,
2,
2,
2,
2,
2,
2,
2,
1,
2,
2,
2,
1,
1,
2,
2,
3,
1,
3,
1,
1,
2,
1,
1,
1,
1,
1,
3,
3,
3,
1,
2,
1,
2,
1,
2,
2,
1,
2,
1,
2,
2,
2,
1,
1,
1,
1,
1,
1,
2,
1,
2... | {
"text_norm": "คุณยายเล่าให้ฟังว่าสมัยก่อนเวลามีงานบุญที่วัดชาวบ้านจะช่วยกันทำกระยาสารทแจกจ่ายกันทั้งหมู่บ้านเป็นภาพที่อบอุ่นและหาดูได้ยากในปัจจุบัน",
"phonemes": "kʰun→jaː→haj↘faŋ→waː↘sa˩maj↓kɔːn˩weː→laː→miː→ŋaːn→bun→tʰiː↘wat↗cʰaːw→baːn↘ca˩cʰuːaj↘kan→tʰam→kra˩jaː→saːt˩cɛːk˩caːj˩kan→tʰaŋ↗muː˩baːn↘pen→pʰaːp↘tʰiː↘ʔo... | {
"tltk": [
[
0,
3,
"คุณ"
],
[
3,
5,
"ยา"
],
[
5,
10,
"ยเล่า"
],
[
10,
13,
"ให้"
],
[
13,
16,
"ฟัง"
],
[
16,
19,
"ว่า"
],
[
19,
27,
"สมัยก่อ... |
ep8_spk00_f_teen_bright_ls-0006 | spk00_f_teen_bright | ls-0006 | 8 | ปรารถนาสูงสุดของพ่อแม่ทุกคนคงไม่ใช่เรื่องเงินทองหรือชื่อเสียงแต่เป็นการได้เห็นลูกเติบโตขึ้นเป็นคนดีมีความสุขและยืนได้ด้วยลำแข้งของตัวเอง | ปรารถนาสูงสุด|ของพ่อแม่ทุกคน|คงไม่ใช่เรื่องเงินทอง|หรือชื่อเสียง|แต่เป็นการได้เห็นลูก|เติบโตขึ้น|เป็นคนดี|มีความสุข|และยืนได้|ด้วยลำแข้งของตัวเอง | audio/ep8_spk00_f_teen_bright_ls-0006.flac | 24,000 | [
9,
1,
1,
3,
1,
1,
1,
1,
1,
1,
1,
1,
3,
2,
2,
2,
2,
1,
2,
2,
2,
2,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
2,
1,
2,
1,
2,
2,
1,
1,
1,
1,
2,
1,
1,
1,
2,
2,
2,
1,
1,
2,
2,
2,
1,
1,
1,
1,
1,
1,
2,
2,
2,
1... | {
"text_norm": "ปรารถนาสูงสุดของพ่อแม่ทุกคนคงไม่ใช่เรื่องเงินทองหรือชื่อเสียงแต่เป็นการได้เห็นลูกเติบโตขึ้นเป็นคนดีมีความสุขและยืนได้ด้วยลำแข้งของตัวเอง",
"phonemes": "praːt˩tʰa˩naː↓suːŋ↓sut˩kʰɔːŋ↓pʰɔː↘mɛː↘tʰuk↗kʰon→kʰoŋ→maj↘cʰaj↘rɯːaŋ↘ŋɤn→tʰɔːŋ→rɯː↓cʰɯː↘siːaŋ↓tɛː˩pen→kaːn→daːj↘hen↓luːk↘tɤːp˩toː→kʰɯn↘pen→kʰon→diː→m... | {
"tltk": [
[
0,
7,
"ปรารถนา"
],
[
7,
13,
"สูงสุด"
],
[
13,
16,
"ของ"
],
[
16,
22,
"พ่อแม่"
],
[
22,
25,
"ทุก"
],
[
25,
27,
"คน"
],
[
27,
29,
... |
ep8_spk00_f_teen_bright_ls-0007 | spk00_f_teen_bright | ls-0007 | 8 | ทริปนี้เราวางแผนขับรถออกจากกรุงเทพตั้งแต่เช้ามืดแวะกินข้าวระหว่างทางแล้วมุ่งหน้าไปทางอีสานโดยมีเป้าหมายปลายทางคือปราสาทหินพนมรุ้งที่ตั้งอยู่ในจังหวัดบุรีรัมย์ | ทริปนี้|เราวางแผนขับรถ|ออกจากกรุงเทพ|ตั้งแต่เช้ามืด|แวะกินข้าว|ระหว่างทาง|แล้วมุ่งหน้า|ไปทางอีสาน|โดยมี|เป้าหมายปลายทาง|คือ|ปราสาทหินพนมรุ้ง|ที่ตั้งอยู่|ในจังหวัดบุรีรัมย์ | audio/ep8_spk00_f_teen_bright_ls-0007.flac | 24,000 | [
9,
2,
2,
2,
2,
1,
2,
2,
1,
1,
2,
2,
2,
2,
2,
1,
1,
2,
1,
2,
2,
1,
1,
2,
1,
1,
2,
2,
1,
2,
2,
2,
1,
1,
2,
1,
2,
2,
1,
2,
1,
2,
1,
1,
1,
1,
2,
2,
1,
1,
2,
1,
2,
2,
1,
1,
2,
2,
1,
2,
1,
1,
1,
1... | {
"text_norm": "ทริปนี้เราวางแผนขับรถออกจากกรุงเทพตั้งแต่เช้ามืดแวะกินข้าวระหว่างทางแล้วมุ่งหน้าไปทางอีสานโดยมีเป้าหมายปลายทางคือปราสาทหินพนมรุ้งที่ตั้งอยู่ในจังหวัดบุรีรัมย์",
"phonemes": "sip↗niː↗raw→waːŋ→pʰɛːn↓kʰap˩rot↗ʔɔːk˩caːk˩kruŋ→tʰeːp↘taŋ↘tɛː˩cʰaw↗mɯːt↘wɛ↗kin→kʰaːw↘ra↗waːŋ˩tʰaːŋ→lɛːw↗muŋ↘naː↘paj→tʰaːŋ→ʔiː→s... | {
"tltk": [
[
0,
4,
"ทริป"
],
[
4,
7,
"นี้"
],
[
7,
10,
"เรา"
],
[
10,
16,
"วางแผน"
],
[
16,
21,
"ขับรถ"
],
[
21,
24,
"ออก"
],
[
24,
27,
"จา... |
ep8_spk00_f_teen_bright_ls-0008 | spk00_f_teen_bright | ls-0008 | 8 | ภาพยนตร์เรื่องนี้เล่าเรื่องความเชื่อของคนโบราณที่มองว่าครุฑเป็นสัตว์ในตำนานซึ่งเป็นพาหนะของพระนารายณ์และเป็นสัญลักษณ์ของอำนาจจึงถูกนำมาใช้เป็นตราแผ่นดินมาจนถึงทุกวันนี้ | ภาพยนตร์เรื่องนี้|เล่าเรื่อง|ความเชื่อของคนโบราณ|ที่มองว่า|ครุฑเป็นสัตว์ในตำนาน|ซึ่งเป็นพาหนะของพระนารายณ์|และเป็นสัญลักษณ์ของอำนาจ|จึงถูกนำมาใช้|เป็นตราแผ่นดิน|มาจนถึงทุกวันนี้ | audio/ep8_spk00_f_teen_bright_ls-0008.flac | 24,000 | [
9,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
2,
2,
2,
1,
2,
1,
1,
2,
1,
1,
2,
2,
1,
1,
2,
2,
2,
1,
2,
1,
1,
1,
2,
1,
1,
1,
2,
1,
1,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
2,
1,
2,
1,
2,
1,
1,
1... | {
"text_norm": "ภาพยนตร์เรื่องนี้เล่าเรื่องความเชื่อของคนโบราณที่มองว่าครุฑเป็นสัตว์ในตำนานซึ่งเป็นพาหนะของพระนารายณ์และเป็นสัญลักษณ์ของอำนาจจึงถูกนำมาใช้เป็นตราแผ่นดินมาจนถึงทุกวันนี้",
"phonemes": "pʰaːp↘pʰa↗jon→rɯːaŋ↘niː↗law↘rɯːaŋ↘kʰwaːm→cʰɯːa↘kʰɔːŋ↓kʰon→boː→raːn→tʰiː↘mɔːŋ→waː↘kʰrut↗pen→sat˩naj→tam→naːn→sɯŋ↘pen→... | {
"tltk": [
[
0,
8,
"ภาพยนตร์"
],
[
8,
14,
"เรื่อง"
],
[
14,
17,
"นี้"
],
[
17,
27,
"เล่าเรื่อง"
],
[
27,
36,
"ความเชื่อ"
],
[
36,
39,
"ของ"
],
[
39,
... |
ep8_spk00_f_teen_bright_ls-0009 | spk00_f_teen_bright | ls-0009 | 8 | หมออธิบายว่าถ้าปล่อยให้ร่างกายมีพยาธิสะสมอยู่นานโดยไม่รักษาก็อาจส่งผลต่อการดูดซึมสารอาหารและทำให้ผู้ป่วยอ่อนเพลียเรื้อรังได้ | หมออธิบายว่าถ้าปล่อยให้ร่างกาย|มีพยาธิสะสมอยู่นาน|โดยไม่รักษา|ก็อาจส่งผล|ต่อการดูดซึมสารอาหาร|และทำให้ผู้ป่วย|อ่อนเพลียเรื้อรังได้ | audio/ep8_spk00_f_teen_bright_ls-0009.flac | 24,000 | [
10,
1,
2,
2,
1,
1,
1,
1,
1,
1,
2,
2,
1,
3,
2,
1,
2,
2,
2,
1,
1,
1,
2,
2,
1,
2,
1,
1,
2,
2,
1,
1,
1,
1,
2,
1,
1,
2,
1,
2,
2,
1,
3,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
... | {
"text_norm": "หมออธิบายว่าถ้าปล่อยให้ร่างกายมีพยาธิสะสมอยู่นานโดยไม่รักษาก็อาจส่งผลต่อการดูดซึมสารอาหารและทำให้ผู้ป่วยอ่อนเพลียเรื้อรังได้",
"phonemes": "mɔː↓ʔa˩tʰi↗baːj→waː↘tʰaː↘plɔːj˩haj↘raːŋ↘kaːj→miː→pʰa↗jaː→tʰi↗sa˩som↓juː˩naːn→doːj→maj↘rak↗saː↓kɔː↘ʔaːt˩soŋ˩pʰon↓tɔː˩kaːn→duːt˩sɯm→saːn↓ʔaː→haːn↓lɛ↗tʰam→haj↘pʰuː... | {
"tltk": [
[
0,
3,
"หมอ"
],
[
3,
9,
"อธิบาย"
],
[
9,
12,
"ว่า"
],
[
12,
15,
"ถ้า"
],
[
15,
20,
"ปล่อย"
],
[
20,
23,
"ให้"
],
[
23,
30,
"ร่า... |
ep8_spk00_f_teen_bright_ls-0010 | spk00_f_teen_bright | ls-0010 | 8 | สุดสัปดาห์ที่ผ่านมาแทบไม่ได้ออกไปไหนเลยเพราะฝนตกทั้งวันเลยนอนดูซีรีส์อยู่บ้านยาวยาวหลายเรื่องติดกันในแอป Netflix | สุดสัปดาห์ที่ผ่านมาแทบไม่ได้ออกไปไหนเลยเพราะฝนตกทั้งวัน|เลยนอนดูซีรีส์อยู่บ้านยาวยาว|หลายเรื่องติดกันในแอป Netflix | audio/ep8_spk00_f_teen_bright_ls-0010.flac | 24,000 | [
10,
2,
2,
2,
2,
2,
2,
2,
1,
1,
3,
1,
1,
1,
1,
1,
1,
2,
1,
2,
2,
1,
2,
2,
1,
2,
1,
1,
1,
2,
2,
1,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
2,
1,
1,
2,
2,
2,
1,
2,
2,
2,
5,
3,
1,
... | {
"text_norm": "สุดสัปดาห์ที่ผ่านมาแทบไม่ได้ออกไปไหนเลยเพราะฝนตกทั้งวันเลยนอนดูซีรีส์อยู่บ้านยาวยาวหลายเรื่องติดกันในแอป Netflix",
"phonemes": "sut˩sap˩daː→tʰiː↘pʰaːn˩maː→tʰɛːp↘maj↘daːj↘ʔɔːk˩paj→naj↓lɤːj→pʰrɔ↗fon↓tok˩tʰaŋ↗wan→lɤːj→nɔːn→duː→siː→riː→juː˩baːn↘jaːw→jaːw→laːj↓rɯːaŋ↘tit˩kan→naj→ʔɛːp˩ net↗flik↗",
"units... | {
"tltk": [
[
0,
10,
"สุดสัปดาห์"
],
[
10,
19,
"ที่ผ่านมา"
],
[
19,
22,
"แทบ"
],
[
22,
28,
"ไม่ได้"
],
[
28,
31,
"ออก"
],
[
31,
33,
"ไป"
],
[
33,
... |
ep8_spk00_f_teen_bright_ls-0011 | spk00_f_teen_bright | ls-0011 | 8 | สองพันยี่สิบเอ็ด และถือมาจนวันที่ ยี่สิบเก้า ธันวาคม ของปี สองพันยี่สิบเอ็ด จะคิดเป็นผลตอบแทนมหาศาลถึง สี่สิบเก้าล้าน เปอร์เซ็นต์ (แน่นอนว่าคงไม่น่ามีใครที่ซื้อและขายได้พอดีขนาดนี้) | สองพันยี่สิบเอ็ด| และถือมา|จนวันที่ ยี่สิบเก้า| ธันวาคม| ของปี| สองพันยี่สิบเอ็ด| จะคิดเป็น|ผลตอบแทน|มหาศาล|ถึง| สี่สิบเก้าล้าน| เปอร์เซ็นต์| (แน่นอนว่าคงไม่น่ามีใคร|ที่ซื้อและขาย|ได้พอดี|ขนาดนี้) | audio/ep8_spk00_f_teen_bright_ls-0011.flac | 24,000 | [
9,
2,
2,
1,
2,
2,
1,
1,
2,
2,
2,
2,
1,
1,
2,
1,
1,
2,
2,
1,
3,
4,
2,
2,
1,
2,
2,
1,
1,
2,
1,
2,
1,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
1,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
2,
1,
3,
2,
2... | {
"text_norm": "สองพันยี่สิบเอ็ด และถือมาจนวันที่ ยี่สิบเก้า ธันวาคม ของปี สองพันยี่สิบเอ็ด จะคิดเป็นผลตอบแทนมหาศาลถึง สี่สิบเก้าล้าน เปอร์เซ็นต์ (แน่นอนว่าคงไม่น่ามีใครที่ซื้อและขายได้พอดีขนาดนี้)",
"phonemes": "sɔːŋ↓pʰan→jiː↘sip˩ʔet˩ lɛ↗tʰɯː↓maː→ca˩na↗wan→tʰiː↘ jiː↘sip˩kaw↘ tʰan→waː→kʰom→ kʰɔːŋ↓piː→ sɔːŋ↓pʰan→jiː... | {
"tltk": [
[
0,
3,
"สอง"
],
[
3,
6,
"พัน"
],
[
6,
9,
"ยี่"
],
[
9,
12,
"สิบ"
],
[
12,
16,
"เอ็ด"
],
[
17,
20,
"และ"
],
[
20,
23,
"ถือ"
... |
ep8_spk00_f_teen_bright_ls-0012 | spk00_f_teen_bright | ls-0012 | 8 | กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค | กองทุน|ที่เน้นลงทุน|ในธุรกิจ| Digital Health| ที่เกี่ยวข้อง|กับบริการ| Telehealth| การใช้ระบบ| Cloud| ในการจัดเก็บ|ข้อมูลผู้ป่วย| รวมถึงบริษัท|ที่ผลิตเครื่องมือ|การตรวจโรค | audio/ep8_spk00_f_teen_bright_ls-0012.flac | 24,000 | [
9,
1,
2,
1,
2,
1,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
1,
2,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
3,
1,
3,
3,
2,
1,
1,
2,
2,
1,
1,
2,
1,
2,
3,
1,
2,
2,
2,
2,
2,
1,
1,
1... | {
"text_norm": "กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค",
"phonemes": "kɔːŋ→tʰun→tʰiː↘neːn↗loŋ→tʰun→naj→tʰu↗ra↗kit˩ di˩ci˩tʰan→ heːn→ tʰiː↘kiːaw˩kʰɔːŋ↘kap˩bɔː→ri↗kaːn→ tʰeː→leː→heːn→ kaːn→cʰaj↗ra↗b... | {
"tltk": [
[
0,
6,
"กองทุน"
],
[
6,
9,
"ที่"
],
[
9,
13,
"เน้น"
],
[
13,
18,
"ลงทุน"
],
[
18,
20,
"ใน"
],
[
20,
26,
"ธุรกิจ"
],
[
27,
34,
"... |
ep8_spk00_f_teen_bright_ls-0013 | spk00_f_teen_bright | ls-0013 | 8 | กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค | กองทุน|ที่เน้นลงทุน|ในธุรกิจ| Digital Health| ที่เกี่ยวข้อง|กับบริการ| Telehealth| การใช้ระบบ| Cloud| ในการจัดเก็บ|ข้อมูลผู้ป่วย| รวมถึงบริษัท|ที่ผลิต|เครื่องมือการตรวจโรค | audio/ep8_spk00_f_teen_bright_ls-0013.flac | 24,000 | [
9,
1,
2,
1,
2,
1,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
1,
2,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
3,
1,
3,
3,
2,
1,
1,
2,
2,
1,
1,
2,
1,
2,
3,
1,
2,
2,
2,
2,
2,
1,
1,
1... | {
"text_norm": "กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค",
"phonemes": "kɔːŋ→tʰun→tʰiː↘neːn↗loŋ→tʰun→naj→tʰu↗ra↗kit˩ di˩ci˩tʰan→ heːn→ tʰiː↘kiːaw˩kʰɔːŋ↘kap˩bɔː→ri↗kaːn→ tʰeː→leː→heːn→ kaːn→cʰaj↗ra↗b... | {
"tltk": [
[
0,
6,
"กองทุน"
],
[
6,
9,
"ที่"
],
[
9,
13,
"เน้น"
],
[
13,
18,
"ลงทุน"
],
[
18,
20,
"ใน"
],
[
20,
26,
"ธุรกิจ"
],
[
27,
34,
"... |
ep8_spk00_f_teen_bright_ls-0014 | spk00_f_teen_bright | ls-0014 | 8 | กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค | กองทุน|ที่เน้นลงทุน|ในธุรกิจ| Digital Health| ที่เกี่ยวข้อง|กับบริการ| Telehealth| การใช้ระบบ| Cloud| ในการจัดเก็บ|ข้อมูลผู้ป่วย| รวมถึงบริษัท|ที่ผลิตเครื่องมือ|การตรวจโรค | audio/ep8_spk00_f_teen_bright_ls-0014.flac | 24,000 | [
9,
1,
2,
1,
2,
1,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
1,
2,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
3,
1,
3,
3,
2,
1,
1,
2,
2,
1,
1,
2,
1,
2,
3,
1,
2,
2,
2,
2,
2,
1,
1,
1... | {
"text_norm": "กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค",
"phonemes": "kɔːŋ→tʰun→tʰiː↘neːn↗loŋ→tʰun→naj→tʰu↗ra↗kit˩ di˩ci˩tʰan→ heːn→ tʰiː↘kiːaw˩kʰɔːŋ↘kap˩bɔː→ri↗kaːn→ tʰeː→leː→heːn→ kaːn→cʰaj↗ra↗b... | {
"tltk": [
[
0,
6,
"กองทุน"
],
[
6,
9,
"ที่"
],
[
9,
13,
"เน้น"
],
[
13,
18,
"ลงทุน"
],
[
18,
20,
"ใน"
],
[
20,
26,
"ธุรกิจ"
],
[
27,
34,
"... |
ep8_spk00_f_teen_bright_ls-0015 | spk00_f_teen_bright | ls-0015 | 8 | กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค | กองทุน|ที่เน้นลงทุน|ในธุรกิจ| Digital Health| ที่เกี่ยวข้อง|กับบริการ| Telehealth| การใช้ระบบ| Cloud| ในการจัดเก็บ|ข้อมูลผู้ป่วย| รวมถึงบริษัท|ที่ผลิต|เครื่องมือการตรวจโรค | audio/ep8_spk00_f_teen_bright_ls-0015.flac | 24,000 | [
9,
1,
2,
1,
2,
1,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
1,
2,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
2,
3,
1,
3,
3,
2,
1,
1,
2,
2,
1,
1,
2,
1,
2,
3,
1,
2,
2,
2,
2,
2,
1,
1,
1... | {
"text_norm": "กองทุนที่เน้นลงทุนในธุรกิจ Digital Health ที่เกี่ยวข้องกับบริการ Telehealth การใช้ระบบ Cloud ในการจัดเก็บข้อมูลผู้ป่วย รวมถึงบริษัทที่ผลิตเครื่องมือการตรวจโรค",
"phonemes": "kɔːŋ→tʰun→tʰiː↘neːn↗loŋ→tʰun→naj→tʰu↗ra↗kit˩ di˩ci˩tʰan→ heːn→ tʰiː↘kiːaw˩kʰɔːŋ↘kap˩bɔː→ri↗kaːn→ tʰeː→leː→heːn→ kaːn→cʰaj↗ra↗b... | {
"tltk": [
[
0,
6,
"กองทุน"
],
[
6,
9,
"ที่"
],
[
9,
13,
"เน้น"
],
[
13,
18,
"ลงทุน"
],
[
18,
20,
"ใน"
],
[
20,
26,
"ธุรกิจ"
],
[
27,
34,
"... |
ep8_spk00_f_teen_bright_ls-0016 | spk00_f_teen_bright | ls-0016 | 8 | การปั๊มชีพจรเศรษฐกิจจากปัญหาเงินเฟ้อแบบหนักมือ Demand ฟื้นขึ้นมาอย่างรวดเร็ว แต่ Supply ตาม Demand ขึ้นมาไม่ทัน | การปั๊มชีพจรเศรษฐกิจ|จากปัญหาเงินเฟ้อ|แบบหนักมือ| Demand| ฟื้นขึ้นมา|อย่างรวดเร็ว| แต่ Supply| ตาม| Demand| ขึ้นมาไม่ทัน | audio/ep8_spk00_f_teen_bright_ls-0016.flac | 24,000 | [
9,
1,
2,
1,
2,
2,
1,
2,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
2,
1,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
1,
2,
2,
2,
1,
1,
1,
2,
1,
1,
1,
1,
2,
2,
3,
2,
2,
1,
2,
2,
2,
2,
2,
2,
1,
1,
2,
1,
2,
2... | {
"text_norm": "การปั๊มชีพจรเศรษฐกิจจากปัญหาเงินเฟ้อแบบหนักมือ Demand ฟื้นขึ้นมาอย่างรวดเร็ว แต่ Supply ตาม Demand ขึ้นมาไม่ทัน",
"phonemes": "kaːn→pam↗cʰiːp↘pʰa↗cɔːn→seːt˩tʰa˩kit˩caːk˩pan→haː↓ŋɤn→fɤː↗bɛːp˩nak˩mɯː→ diː→maːn→ fɯːn↗kʰɯn↘maː→jaːŋ˩ruːat↘rew→ tɛː˩ sap↗pʰlaːj→ taːm→ diː→maːn→ kʰɯn↘maː→maj↘tʰan→",
"unit... | {
"tltk": [
[
0,
3,
"การ"
],
[
3,
7,
"ปั๊ม"
],
[
7,
12,
"ชีพจร"
],
[
12,
20,
"เศรษฐกิจ"
],
[
20,
23,
"จาก"
],
[
23,
28,
"ปัญหา"
],
[
28,
36,
... |
ep8_spk00_f_teen_bright_ls-0017 | spk00_f_teen_bright | ls-0017 | 8 | นักลงทุนมีแนวโน้มที่จะย้ายไปลงทุนในกลุ่ม Value Stock ที่มีผลตอบแทนจากเงินปันผลและค่อนข้างปลอดภัยกว่า หุ้น Value มีโอกาสปรับราคาขึ้น | นักลงทุน|มีแนวโน้ม|ที่จะ|ย้ายไปลงทุน|ในกลุ่ม| Value Stock |ที่มี|ผลตอบแทน|จากเงินปันผล|และค่อนข้างปลอดภัยกว่า| หุ้น Value |มีโอกาส|ปรับราคาขึ้น | audio/ep8_spk00_f_teen_bright_ls-0017.flac | 24,000 | [
10,
1,
2,
2,
2,
1,
2,
2,
2,
1,
1,
2,
2,
2,
1,
2,
1,
1,
1,
2,
1,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
2,
2,
2,
3,
1,
1,
2,
1,
1,
1,
1,
1,
1,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
3,
1,
1,
3,
3,
7,
... | {
"text_norm": "นักลงทุนมีแนวโน้มที่จะย้ายไปลงทุนในกลุ่ม Value Stock ที่มีผลตอบแทนจากเงินปันผลและค่อนข้างปลอดภัยกว่า หุ้น Value มีโอกาสปรับราคาขึ้น",
"phonemes": "nak↗loŋ→tʰun→miː→nɛːw→noːm↗tʰiː↘ca˩jaːj↗paj→loŋ→tʰun→naj→klum˩ wɛː→luː→ sa˩tɔk˩ tʰiː↘miː→pʰon↓tɔːp˩tʰɛːn→caːk˩ŋɤn→pan→pʰon↓lɛ↗kʰɔːn↘kʰaːŋ↘plɔːt˩pʰaj→kwaː... | {
"tltk": [
[
0,
8,
"นักลงทุน"
],
[
8,
10,
"มี"
],
[
10,
17,
"แนวโน้ม"
],
[
17,
20,
"ที่"
],
[
20,
22,
"จะ"
],
[
22,
26,
"ย้าย"
],
[
26,
28,
... |
ep8_spk00_f_teen_bright_ls-0018 | spk00_f_teen_bright | ls-0018 | 8 | นักลงทุนมีแนวโน้มที่จะย้ายไปลงทุนในกลุ่ม Value Stock ที่มีผลตอบแทนจากเงินปันผลและค่อนข้างปลอดภัยกว่า หุ้น Value มีโอกาสปรับราคาขึ้น | นักลงทุน|มีแนวโน้ม|ที่จะ|ย้ายไปลงทุน|ในกลุ่ม| Value Stock |ที่มี|ผลตอบแทน|จากเงินปันผล|และค่อนข้างปลอดภัยกว่า| หุ้น Value |มีโอกาส|ปรับราคาขึ้น | audio/ep8_spk00_f_teen_bright_ls-0018.flac | 24,000 | [
10,
1,
2,
2,
2,
1,
2,
2,
2,
1,
1,
2,
2,
2,
1,
2,
1,
1,
1,
2,
1,
2,
1,
1,
2,
2,
1,
1,
1,
1,
1,
1,
1,
1,
2,
2,
2,
3,
1,
1,
2,
1,
1,
1,
1,
1,
1,
2,
2,
1,
1,
2,
2,
1,
1,
1,
1,
3,
1,
1,
3,
3,
7,
... | {
"text_norm": "นักลงทุนมีแนวโน้มที่จะย้ายไปลงทุนในกลุ่ม Value Stock ที่มีผลตอบแทนจากเงินปันผลและค่อนข้างปลอดภัยกว่า หุ้น Value มีโอกาสปรับราคาขึ้น",
"phonemes": "nak↗loŋ→tʰun→miː→nɛːw→noːm↗tʰiː↘ca˩jaːj↗paj→loŋ→tʰun→naj→klum˩ wɛː→luː→ sa˩tɔk˩ tʰiː↘miː→pʰon↓tɔːp˩tʰɛːn→caːk˩ŋɤn→pan→pʰon↓lɛ↗kʰɔːn↘kʰaːŋ↘plɔːt˩pʰaj→kwaː... | {
"tltk": [
[
0,
8,
"นักลงทุน"
],
[
8,
10,
"มี"
],
[
10,
17,
"แนวโน้ม"
],
[
17,
20,
"ที่"
],
[
20,
22,
"จะ"
],
[
22,
26,
"ย้าย"
],
[
26,
28,
... |
ep8_spk00_f_teen_bright_ls-0019 | spk00_f_teen_bright | ls-0019 | 8 | แม้รายได้จะสูงเมื่อเทียบอดีต แต่การเติบโตเทียบช่วงเดียวกันของปี สองพันยี่สิบเอ็ด เปอร์เซ็นต์ YoY เหลือเพียง ห้า เปอร์เซ็นต์ ก็คือแทบจะไม่โตแล้ว ซึ่งเกิดขึ้นจากทั้งกำลังการผลิตเต็ม | แม้รายได้จะสูง|เมื่อเทียบอดีต| แต่การเติบโต|เทียบช่วงเดียวกัน|ของปี สองพันยี่สิบเอ็ด| เปอร์เซ็นต์ YoY| เหลือเพียง ห้า เปอร์เซ็นต์| ก็คือ|แทบจะไม่โตแล้ว ซึ่งเกิดขึ้น|จากทั้ง|กำลังการผลิตเต็ม | audio/ep8_spk00_f_teen_bright_ls-0019.flac | 24,000 | [
10,
1,
3,
2,
1,
1,
3,
1,
1,
1,
1,
2,
1,
1,
2,
1,
2,
2,
2,
2,
2,
2,
2,
1,
1,
1,
1,
1,
1,
1,
2,
1,
1,
1,
1,
1,
1,
1,
1,
3,
4,
8,
3,
2,
1,
1,
1,
2,
1,
2,
1,
1,
2,
1,
2,
1,
2,
2,
1,
2,
2,
1,
1,
... | {
"text_norm": "แม้รายได้จะสูงเมื่อเทียบอดีต แต่การเติบโตเทียบช่วงเดียวกันของปี สองพันยี่สิบเอ็ด เปอร์เซ็นต์ YoY เหลือเพียง ห้า เปอร์เซ็นต์ ก็คือแทบจะไม่โตแล้ว ซึ่งเกิดขึ้นจากทั้งกำลังการผลิตเต็ม",
"phonemes": "mɛː↗raːj→daːj↘ca˩suːŋ↓mɯːa↘tʰiːap↘ʔa˩diːt˩ tɛː˩kaːn→tɤːp˩toː→tʰiːap↘cʰuːaŋ↘diːaw→kan→kʰɔːŋ↓piː→ sɔːŋ↓pʰan... | {
"tltk": [
[
0,
3,
"แม้"
],
[
3,
9,
"รายได้"
],
[
9,
11,
"จะ"
],
[
11,
14,
"สูง"
],
[
14,
19,
"เมื่อ"
],
[
19,
24,
"เทียบ"
],
[
24,
28,
"อด... |
Thai Aligner Bench
🚧 Development in progress.
How accurately can a forced aligner place Thai token and word boundaries in
speech? This is a self-contained benchmark: one Python file
(aligner_bench.py) plus 1,572 clips of Thai speech with frame-exact timing
ground truth. No Thai NLP stack or other code is needed — just
numpy soundfile torch torchaudio transformers.
The ground truth is what makes the dataset useful: the audio was rendered by a
TTS model whose duration predictor emitted an explicit frame count per token
(pred_dur, 25 ms per frame; the frame counts sum exactly to the audio
length). The token boundaries in the audio therefore are the pred_dur
boundaries — no human annotation, no second aligner, no circularity. Any forced
aligner can be measured against them directly.
Each aligner is scored on timing accuracy: onset error percentiles, signed
bias, jitter (spread with bias removed), duration error, and span
coverage, all measured against the pred_dur boundaries.
Quick start
git lfs install # the audio is stored with Git LFS
git clone https://huggingface.co/datasets/wayu-ai/thai-aligner-bench-dev
cd thai-aligner-bench-dev
pip install numpy soundfile torch torchaudio transformers
python aligner_bench.py run --bundle . --aligner ctc --out out/ctc
python aligner_bench.py run --bundle . --aligner mms --out out/mms
python aligner_bench.py report out/ctc out/mms
run = align (GPU, writes spans.jsonl) + score (CPU, writes
metrics.json). Run them separately to re-score without re-aligning.
Useful flags: --limit N / --speakers spk00,spk03 (fast subsets),
--quantize-ms (round predicted onsets onto a coarser grid — tests whether an
aligner's deficit is just its frame rate), --device, --batch-size.
Aligners included
| name | model | note |
|---|---|---|
ctc |
airesearch/wav2vec2-large-xlsr-53-th |
Thai character CTC, 50 fps — the default |
mms |
torchaudio.pipelines.MMS_FA |
multilingual phone aligner; IPA mapped onto its roman labels |
Add your own aligner
Write one function returning [(char_idx, t0_ms, t1_ms)] over item["text"],
time-monotonic, and register it:
def mine_bundle(device, **_):
return SimpleNamespace(..., tag="mine:v1", batched=False)
def mine_char_spans(wav, sr, item, b):
...
return spans
ALIGNERS["mine"] = (mine_bundle, mine_char_spans, None)
Everything downstream of the aligner — span collection, scoring, aggregation, reporting — is shared, so results stay comparable.
If your aligner batches clips, pass an explicit length mask.
wav2vec2-large-xlsr-53-thships withreturn_attention_mask: falseeven though it was trained with masking; running it unmasked silently stretches each clip's timeline — over a second of drift on longer clips. The bundled aligners already handle this.
Reading the metrics
biasis correctable,jitteris not. Aligners report the left edge of a frame, so each carries a systematic half-frame early bias that a constant shift removes. Jitter is what decides usability.- Never compare CTC span widths across aligners. They allocate blank
frames differently, so
coveragevaries widely between models, and measuring duration as a span's own width can reverse a ranking. Duration error therefore usesonset[i+1] − onset[i], the conventionpred_duritself uses. - Separate model error from grid resolution.
--quantize-msre-scores an aligner with its onsets rounded onto a coarser grid; if the numbers barely move, the aligner's deficit is coming from the model, not its frame rate.
Dataset structure
items.jsonl one JSON per clip (1,572)
audio/<id>.flac 24 kHz mono, lossless
aligner_bench.py the benchmark (single file)
| field | meaning |
|---|---|
id / speaker / text_id |
clip key; text_id groups the same text across the 12 voices |
text |
the normalized text actually spoken — aligners are run and scored against this string |
pred_dur |
duration-predictor frame counts, 25 ms per frame; the first and last entries are padding — the timing ground truth |
Limitations
- The audio is vocoder output, not natural speech. It is out of domain for aligners trained on read speech. This is the price of the ground truth — frame-exact boundaries exist precisely because the audio was generated from them — but results here are not a claim about natural speech, and an aligner that does well on real speech may rank differently here.
pred_duris ground truth for this TTS model's rendering, not a human phonetic transcription. It is exact about where the model placed each token; it does not adjudicate whether that placement was phonetically ideal.- Synthetic speakers. 12 designed voices from a single TTS model, so speaker and acoustic diversity is narrower than a natural-speech corpus.
- Downloads last month
- 1,570