Датасет · CAiRE
Спонтанная китайско-английская диалоговая речь
CAiRE/ASCEND
Корпус аудиозаписей с транскрипциями для распознавания речи с переключением между китайским и английским языками.
Что внутри
Внутри собрано 10,62 часа спонтанных многоходовых диалогов (около 12,3 тыс. реплик) с переключением кодов между китайским и английским. Записи сделаны в Гонконге. Данные разделены на обучающую, валидационную и тестовую выборки в пропорции 8:1:1 со сбалансированным соотношением полов в каждой части.
Что можно сделать
- Обучение и дообучение моделей ASR для двуязычной речи
- Тестирование систем распознавания спонтанных диалогов с переключением языков
- Исследование билингвальной речи (code-switching)
- Задачи
- Распознавание речи
- Языки
- Английский, Китайский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 4,2 тыс.
- Лайков
- 57
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("CAiRE/ASCEND")