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
- mradermacher/Thaki-ASR-KO-Dialects-v1-i1-GGUF 3,3 тыс.
- ghost613/whisper-large-v3-turbo-koreanРаспознавание речи 1,4 тыс.
- mradermacher/Thaki-ASR-KO-1.7B-GGUF 930
- mradermacher/Thaki-ASR-KO-Dialects-v1-GGUF 751
- ghost613/faster-whisper-large-v3-turbo-koreanРаспознавание речи 508
- litert-community/SenseVoiceSmall-ko-zerothРаспознавание речи 193
- ThakiCloud/Thaki-ASR-KO-1.7BРаспознавание речи 163
- ThakiCloud/Thaki-ASR-KO-Dialects-v1Распознавание речи 132
Как загрузить
from datasets import load_dataset
ds = load_dataset("Bingsu/zeroth-korean")