К содержимому

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")