Datasets:

laubonghaudoi
/

zoengjyutgaai_saamgwokjinji

audio audioduration (s) 0.51 24.9	id stringlengths 7 7	transcription stringlengths 2 83
	001_001	各位朋友，喺講《三國演義》之前啊，我唸一首詞畀大家聽下吓。
	001_002	滾滾長江東逝水，浪花淘盡英雄。
	001_003	是非成敗轉頭空，青山依舊在，幾度夕陽紅。
	001_004	白髮漁樵江渚上，慣看秋月春風。
	001_005	一壺濁酒喜相逢，古今多少事，都付笑談中。
	001_006	哈哈哈，好一個古今多少事，都付笑談中啊。
	001_007	一部《三國演義》，係講魏蜀吳三國嘅歷史。
	001_008	由東漢靈帝中平元年，即係公元一八四年，黃巾起義嗰陣開始。
	001_009	一直寫到晉武帝太康元年，即係公元二八零年嘞，吳國滅亡嗰陣為止，差唔多成個世紀咁長。
	001_010	佢哋而家呢，有成一千八百年咁耐嘞。
	001_011	你話多少英雄豪傑啊，已經化為烏有。
	001_012	但係佢哋嘅事蹟，就好似滾滾長江一直流傳到今日。
	001_013	而家講起桃園結義、三英戰呂布、火燒赤壁、六出祁山等等，嗨真係感慨好多啊。
	001_014	噉至於係唔係講完聽完，只係得啖笑呢？我睇亦未必。
	001_015	古時啊，一個朝代嘅盛衰興亡，一個人物嘅成功失敗，總係可以使我哋今人從中得到啲啓發同教育嘅。
	001_016	好嘞好嘞，閒話休提言歸正傳嘞。
	001_017	而家講下天下大勢，分久必合，合久必分。
	001_018	點呢？嗱，周朝末年，七國紛爭吖。
	001_019	收尾呢，秦朝統一咗天下。
	001_020	秦朝覆滅之後，又到楚漢紛爭。
	001_021	然後呢，又併入漢朝。
	001_022	漢朝啊，係由漢高祖劉邦斬白蛇起義，一統天下。
	001_023	中間，經過啲波折動亂。
	001_024	後嚟光武中興，就傳到獻帝，就分為魏蜀吳三國嘞。
	001_025	噉大家話啦，係唔係分啊久必合，合久又必分呢？
	001_026	噉點解到咗漢獻帝嘅時候啊會分為三國呢？
	001_027	出現呢個動亂啊，都係由桓帝同靈帝呢兩個皇帝嗰陣開始。
	001_028	嗰個漢桓帝，信晒啲親信太監，即係宦官嘞。
	001_029	嗰班宦官形成一個權力集團，使到朝廷上啲好人都受到迫害。
	001_030	及至桓帝死咗，由靈帝即位。
	001_031	佢啊本來有兩位大臣，一個係大將軍竇武，一個係太傅陳帆共同輔助佢嘅。
	001_032	當時有一班太監，就係曹節等等啊喺度搞鬼，插手朝政。
	001_033	竇武同陳帆啊就想殺咗呢班人。
	001_034	點知呢個計劃洩露咗出去，反而畀曹節佢哋害死咗，噉從此之後，嗰班太監呢就越發專橫。
	001_035	噉樣一嚟，個政局啊梗係亂定㗎啦。
	001_036	喺呢幾年裏便，出現咗好多怪事噃。
	001_037	比如講，喺建寧二年，即係靈帝即位嘅第二年。
	001_038	係公元一六九年，四月十五嗰日。
	001_039	靈帝啊喺溫德殿登殿啦。
	001_040	正話坐落喺龍椅上便，突然間，一朕狂風呼——哈噉吹起上嚟。
	001_041	正一條大青蛇，喺大樑上面飛落嚟就盤喺張龍椅處喎哎吔，嚇到個皇帝跌喺地嚟。
	001_042	噉兩邊啲太監就急急扶返起個皇帝，送佢返入去宮啦。
	001_043	啲文武百官呀亦都嚇到臉都青晒，冚唪唥趯走晒嘞。
	001_044	吖，一陣咁耐，條青蛇唔見咗嘞。
	001_045	條青蛇唔見咗並唔係話冇事噃。
	001_046	忽然間有大雷大雨，加埋落冰雹添，一直落到半夜先至停。
	001_047	損壞嘅房屋啊都不計其數咁多啊，嗱，呢度係一件嘞。
	001_048	到咗建寧四年二月，即係兩年之後。
	001_049	喺洛陽地區發生地震，同時有海水氾濫噃。
	001_050	沿海嘅居民呀，冚唪唥畀大浪捲晒落大海裏頭。
	001_051	過咗七年，嗰陣呢，已經改咗年號，叫做光和元年。
	001_052	嗨有件事就好古怪，就話雞乸變咗做雞公。
	001_053	六月初一嗰日，有道黑氣十幾丈長嘅，飛咗入去溫德殿裏頭。
	001_054	到咗七月，有一日，有條彩虹啊喺玉堂嗰笪地方出現。
	001_055	條彩虹一現唧，五原山岸全部崩裂，嘩噉就嚇壞人咯。
	001_056	呢啲噉嘅不吉利嘅兆頭啊好多。
	001_057	於是皇帝就問嗰班大臣，究竟呢啲噉嘅異常嘅災害，係因乜事發生嘅呢噉。
	001_058	當時議郎蔡邕，就寫咗個報告呈畀皇帝。
	001_059	蔡邕認為彩虹出現、山崩地裂、雞乸變雞公等等，都係由於皇帝皇后嘅奶媽，以及太監呢一類人啊，干預國家政事，掌握實權所引起嚟嘅噉話。
	001_060	蔡邕呢份報告啊講得非常之直率。
	001_061	皇帝睇咗，嚡噉長嘆一聲，起身行開咗去小便。
	001_062	曹節呢個家伙啊，誒，佢就係一個掌握實權嘅太監嚟嘞。
	001_063	佢偷偷地睇咗蔡邕呢份報告，噷，乜你噉講法呀，得了？
	001_064	曹節就將呢件事講咗畀嗰啲同黨聽。
	001_065	冇幾耐之後就整蛊蔡邕，捏造一個罪名，削咗佢嘅官職，趕咗佢回鄉。
	001_066	嘻有啲人會問嘞喂老張呀，呢啲怪事係唔係真㗎？
	001_067	係唔係真係有兆頭㗎？
	001_068	古人寫小説、講故仔，好多呢類講法嘅。
	001_069	呢啲不外係由於古時候啊，科學唔發達，啲人呢對各種自然現象唔能夠解釋跟住呢就形成一種迷信。
	001_070	喺一部三國演義裏頭啊，講神講鬼，講古講怪嘅地方就好多嘅。
	001_071	嘻如果信佢係真㗎就大可不必嘞。
	001_072	嗱講完呢幾句題外話呢又試言歸正傳。
	001_073	噉後嚟啊，張讓、趙忠、封諝、段圭、曹節、侯覽、蹇碩、程曠、夏惲、郭勝呢十個大太監，就朋比為奸，號稱十常侍。
	001_074	皇帝對嗰個張讓呀，尊敬信賴到不得了，稱呼佢做阿父噃。
	001_075	噉結果呢，國家嘅事情啊一日衰過一日，以至天下人心思亂，盜賊蜂起。
	001_076	當時，喺鉅鹿郡呢笪地方有三兄弟。
	001_077	一個就叫做張角，一個叫做張寶，仲有一個叫做張梁。
	001_078	張角係個咩嘢人呢？
	001_079	佢呀，本來係個不弟秀才，考極都考唔中，做唔成官，就入山採藥喎佢。
	001_080	𠺪有一日，佢喺深山裏頭遇到個伯爺公。
	001_081	呢個伯爺公面色紅潤，眼核啊碧綠色。
	001_082	揸住條枴杖，叫張角跟佢入去個山洞裏便，送咗三卷天書畀佢。
	001_083	個伯爺公話：
	001_084	呢三卷天書叫做太平要術，我而家將佢送畀你。
	001_085	你呢，就要宣傳天意，普救世人至好啊。
	001_086	如果你有壞心呢，就一定會有惡報㗎。
	001_087	請問大仙嘅寶號係點樣稱呼啊？
	001_088	我呀，我就係南華老仙。
	001_089	一講完，嗰個伯爺公呼噉化咗一朕清風，唔見咗。
	001_090	張角得咗呢三卷天書之後，日夜咁鑽研學習，死咁咪，哈真係畀佢鑽通咗。
	001_091	居然啊能夠呼風喚雨咁本事噃。
	001_092	佢自己呢，於是就號稱為太平道人。
	001_093	到咗中平元年，就係公元一八四年。
	001_094	呢一年呢係甲子年。
	001_095	喺正月嘅時候，疫症流行。
	001_096	張角就施捨符咒藥水同人醫病，自己改咗個名做大賢良師。
	001_097	張角又收咗五百幾個徒弟，佢哋雲遊四方，個個都識畫符念咒醫病嘅。
	001_098	收尾，張角啲徒弟就越嚟越多嘞。
	001_099	噉張角就設立咗三十六方。
	001_100	大方萬幾人，小方呢，亦都有六七千人。

End of preview. Expand in Dataset Viewer.

張悦楷講《三國演義》語音數據集

呢個係張悦楷講《三國演義》語音數據集。張悦楷係廣州最出名嘅講古佬 / 粵語説書藝人。佢從上世紀七十年代開始就喺廣東各個收音電台度講古，佢把聲係好多廣州人嘅共同回憶。本數據集《三國演義》係佢最知名嘅作品一。呢個數據集既可以用嚟做 TTS 訓練集，亦可以用作 ASR 訓練同測試集，當然亦都可以直接聽嚟欣賞。

説明

所有文本都根據 https://jyutping.org/blog/typo/ 同 https://jyutping.org/blog/particles/ 規範用字。
所有文本都使用全角標點，冇半角標點。
所有文本都用漢字轉寫，無阿拉伯數字無英文字母
所有音頻源都存放喺/webm，為方便直接用作訓練數據，切分後嘅音頻都重採樣升 44100Hz 放喺 wav/

數據集構建流程

本數據集嘅收集、構建過程係：

從 YouTube 或者國內評書網站度下載錄音源文件，一般都係每集半個鐘長嘅 .webm 或者 .mp3。
用加字幕工具幫呢啲錄音加字幕，得到對應嘅 .srt 文件。
將啲源錄音用下面嘅命令儘可能無壓縮噉轉換成 .wav 格式。
運行cut.py，將每一集 .wav 按照 .srt 入面嘅時間點切分成一句一個 .wav，然後對應嘅文本寫入本數據集嘅 xxx.csv。
然後打開一個 IPython，逐句跑下面嘅命令，將啲數據推上 HuggingFace。

from datasets import load_dataset
from huggingface_hub import login
dataset = load_dataset('audiofolder', data_dir='./wav')
# 檢查下讀入嘅數據有冇問題
dataset['train'][0]
# 準備好個 token 嚟登入
login()
# 推上 HuggingFace datasets
dataset.push_to_hub("laubonghaudoi/zoengjyutgaai_saamgwokjinji")

將`.webm`無損轉為`.wav`

首先要安裝 ffmpeg，然後運行：

ffmpeg -i "001.webm" -vn -ar 44100 -c:a pcm_s16le "001.wav"

如果唔想指定採樣率，儘可能無損轉換，可以將上面嘅-ar 44100刪去。本數據集入面所有 wav 都已經轉為 44100 採樣率。

Downloads last month: 7

Edit dataset card

Size of downloaded dataset files:

4.75 GB

Size of the auto-converted Parquet files:

4.75 GB

Number of rows:

5,128

張悦楷講《三國演義》語音數據集

説明

數據集構建流程

將.webm無損轉為.wav

將`.webm`無損轉為`.wav`