请问准备音频训练数据集，除了手动，有什么简便的方法吗？

[Kevin-free]

数据集一定要按这个格式对吗？ 时长一般多长合适？
如果我有一个人物的长音频，除了手动，有什么简便的方式获得符合要求的文件吗？我目前想的是用剪映辅助。