Tamil Time Aligned Speech Dataset

Language

Tamil is a major Dravidian language spoken primarily in Tamil Nadu, Sri Lanka, and Tamil-speaking communities around the world, with a long literary history and rich linguistic tradition.

Script

அ ஆ இ ஈ உ ஊ எ ஏ ஐ ஒ ஓ ஔ க ங ச ஞ ட ண த ந ப ம ய ர ல வ ழ ள ற ன ஜ ஷ ஸ ஹ க்ஷ ஶ ா ி ீ ு ூ ெ ே ை ொ ோ ௌ ் ஂ ஃ

Data Structure

• Main folders: Audio/ and Time-Aligned_Transcripts/
• Speaker-wise organization: each main folder contains Speaker_1/ and Speaker_2/
• Audio folder: stores speech recordings for each speaker
• Transcript folder: stores corresponding time-aligned transcript files for each speaker
• Parallel structure: transcript files follow the same speaker-based organization as the audio files

Speaker Information

• Speaker 1: Age: 30, Gender: Male, Region: Neelagiri
• Speaker 2: Age: 30, Gender: Female, Region: Chengalpattu

Sample

1 00:00:00,023 --> 00:00:04,020 நவீன வாழ்க்கையில தொழில்நுட்பத்தோட பங்கு

2 00:00:04,057 --> 00:00:05,855 அனைவருக்கும்

3 00:00:05,880 --> 00:00:10,620 நம்மளோட வந்து நவீன வாழ்க்கையில தொழில் நுட்பத்தோட பங்கு வந்து என்னனா

4 00:00:10,644 --> 00:00:15,153 இந்த உலகத்தில வந்து தொழில் நுட்பம் இல்லாம சிந்திக்க முடியாது அளவுக்கு வளர்ந்துடுச்சு