MigoXV/vad-human-ava-speech-training

AVA Speech 人工标注训练数据

来源为 MigoXV/vad-human-ava-speech，固定提交 ee5e35d06a268fe051d3cf8c6672c42c05e60887。保留全部 160 条录音、原 11 个标注字段及原始 FLAC 字节；不裁剪、不重采样、不重标注。每条原 train 录音 900 秒，原 test 录音 300 秒。16kHz、单声道、PCM16，无损 FLAC，音频与标签内嵌 Parquet。

划分与时长

划分	原录音数	总时长（小时）	有效语音（小时）	非语音（小时）
train	142	35.500000	18.670808	16.829192
validation	16	4.000000	2.027214	1.972786
test	2	0.166667	0.089531	0.077136

全量共 39 小时 40 分钟。有效语音 20.787553 小时（52.405595%），非语音 18.879114 小时（47.594405%）。按区间并集统计，完整数字及逐录音 PCM 哈希见 provenance.json。原 test 两条录音保持原划分；原 train 中按 sha256(ava-validation-v1:audio.path) 排序，前 16 条作 validation，其余 142 条作 train。录音间无泄漏，选择验证集不依赖标签。

训练契约

audio 是 Hugging Face Audio；seconds.starts 是原 onset 秒数，seconds.durations 是 offset-onset 秒数。原 onset/offset/cluster 等 11 个字段仍保留，新增 recording_id、duration_seconds、speech_seconds 和 pcm_sha256。训练读取只用 datasets.load_dataset；不得将原标注格式误认为训练字段。

from datasets import load_dataset, Audio
data = load_dataset('MigoXV/vad-human-ava-speech-training')
raw = data.cast_column('audio', Audio(sampling_rate=16000, decode=False))
# raw['train'][0]['audio']['bytes'] 为完整 FLAC；使用 soundfile 解码。

可复现与使用边界

固定转换实现见仓库 tools/prepare_ava.py。转换校验采样率、通道、编码、时间边界和完整长度，计算每条 PCM SHA256。数据适配 preludio2 AttetionVadDataModule 的三个 split，全部采用人工原标签。验证集用于选权重与阈值，测试集只能作独立最终评估；执行成功不代表达到生产精度。来源镜像声明 Apache-2.0，电影音视频的第三方权利不因重新封装改变。