К содержимому

Датасет · Bingsu

Корпус корейской речи с транскрибацией

Bingsu/zeroth-korean

Около 53 часов корейской речи с текстовой расшифровкой для обучения и оценки ASR-моделей.

Что внутри

В датасете собраны корейские аудиозаписи и их текстовые транскрибации. Обучающая выборка включает 51,6 часа речи (22 263 высказывания от 105 дикторов по 3 000 предложениям), а тестовая — 1,2 часа (457 высказываний от 10 дикторов). В состав корпуса также входят предобученная языковая модель, лексикон и морфемный сегментатор Morfessor.

Что можно сделать

  • Обучение и дообучение ASR-моделей для распознавания корейского языка
  • Тестирование качества распознавания корейской речи на контрольной выборке
Задачи
Распознавание речи
Языки
Корейский
Размер
10K–100K записей
Скачиваний за месяц
1,4 тыс.
Лайков
46

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("Bingsu/zeroth-korean")