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.
Данные для проактивной манипуляции робота в омнимодальном контексте.
Крупный корпус выровненной парламентской речи на 22 европейских языках для ASR и TTS.
Многоязычные аудио и текст для генерации речи: 101 тыс. часов в оригинале и более 200 тыс. в Emilia-Large.
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.
31 тыс. часов спонтанной речи по изображениям на 105 языках Индии, с транскриптами для ASR и мультимодальных задач.
Мандаринский корпус с парами аудио-текст на 12 800 часов для обучения и дообучения TTS.
654 тыс. wav-файлов с репликами персонажей Genshin Impact на китайском, английском, японском и корейском.
Аудиокниги, подкасты и YouTube с расшифровками — для обучения ASR и TTS на английском.
До 950 тыс. часов открытой речи на 24 официальных языках ЕС с автоматическими транскриптами.
1000 часов двухканальных английских разговоров в 48 кГц для full-duplex и речевых моделей.
Аудио ASMR на японском с изображениями для распознавания речи и синтеза; обновления приостановлены.
Крупный тренировочный корпус и eval-набор с выравниванием слов для ASR и TTS на 10 языках.
Аудио и текст на вьетнамском для обучения многоголосого синтеза речи.
Английские списки аспектов и свободные описания музыки от музыкантов для 5 521 примера.
Метаданные почти 660 тыс. AI-песен Suno с мультиязычными описаниями и аудиомодальностью.
Аудиокорпус японской anime-style речи из примерно 50 визуальных новелл, около 600 часов.
Многоязычный in-the-wild корпус речи с транскрипциями для генерации и синтеза речи.