Датасет · ARTPARK-IISc
Мультиязычная речь Индии Vaani
ARTPARK-IISc/Vaani
31 тыс. часов спонтанной речи по изображениям на 105 языках Индии, с транскриптами для ASR и мультимодальных задач.
Что внутри
VAANI от IISc и ARTPARK — многомодальный многозычный датасет по Индии. В phase 1–2: около 31 278 часов спонтанной речи, вызванной изображениями, от 156 тыс. дикторов из 165 округов; 288 тыс. изображений и 105 языков. Для 2 122 часов есть транскрипты, почти равномерно по округам; языки включают ne, as, ml, gu, or, en.
Что можно сделать
- обучить ASR для индийских языков
- дообучить мультимодальную речь-изображение модель
- проверить TTS и ASR на редких языках
- Задачи
- Распознавание речи, Синтез речи, Картинка → текст, Текст → картинка
- Языки
- ne, as, ml, gu, or, Английский, ta, ur и ещё 4
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 28,6 тыс.
- Лайков
- 195
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("ARTPARK-IISc/Vaani")