Датасеты с Hugging Face с описанием на русском: что внутри и какие модели на них обучить. В каталоге уже 1 085, новые добавляются каждый час.
Отвечает DeepSeek · переписка хранится только в этой вкладке
Более 1,1 млн часов веб-аудио на 100+ языках для ASR, TTS и обучения аудиопредставлений.
Речевые данные на 102 языках для обучения и оценки ASR на параллельных предложениях.
4 000+ часов аудио и видео личных взаимодействий более 4 000 участников для AI-исследований.
Около 1000 часов начитанных английских аудиокниг с текстом для обучения и проверки ASR.
Многоязычные аудио и текст для генерации речи: 101 тыс. часов в оригинале и более 200 тыс. в Emilia-Large.
Крупный открытый ASR-корпус: более 30 000 часов транскрибированной английской речи.
Крупный корпус видео, аудио и 3D о действиях человека для роботов и embodied AI.
Аудиокниги LibriVox на 8 языках с текстами для ASR, TTS и речевых исследований.
Аудио и текст для ASR и TTS на десятках африканских языков — крупный открытый речевой корпус от Google.
654 тыс. wav-файлов с репликами персонажей Genshin Impact на китайском, английском, японском и корейском.
450+ нетривиальных вопросов с однозначным ответом для проверки LLM с инструментами и поиском.
Записи спонтанной речи и транскрипции для 348 языков — для обучения ASR и определения языка.
1000 часов двухканальных английских разговоров в 48 кГц для full-duplex и речевых моделей.
Аудиокорпус японской anime-style речи из примерно 50 визуальных новелл, около 600 часов.
Короткие английские аудио с медицинскими жалобами и намеренно низким качеством для проверки устойчивости.
Небольшой англоязычный аудиодатасет реплик пациентов о лечении и рецепте для ASR и анализа эмоций.
Английские аудиозаписи с фразой о симптомах, специально шумные для проверки устойчивости моделей.
Короткие записи стандартного текста для обучения и проверки распознавания речи.
Аудиозаписи клиентской поддержки на английском для ASR, классификации эмоций и голосовых агентов.
Аудиозаписи индийских дикторов с четырьмя эмоциями и текстом абзаца для классификации эмоций.
Короткие аудиозаписи клиентов банка на хинглише для ASR, классификации эмоций и ��олосовых агентов.
Намеренно шумные аудиозаписи с фразой на хинглише для проверки устойчивости аудиомоделей.
Небольшой англоязычный аудиодатасет с фразой о сбросе пароля в банке для ASR и классификации эмоций.
Небольшой англоязычный аудиодатасет реплик клиентов авиаподдержки для ASR и классификации эмоций.