Датасет · MLCommons
People's Speech: 30 тыс. часов английской речи
MLCommons/peoples_speech
Крупный открытый ASR-корпус: более 30 000 часов транскрибированной английской речи.
Что внутри
Датасет содержит более 30 000 часов транскрибированной английской речи от разнообразных говорящих. Лицензирован для академического и коммерческого использования под CC-BY-SA и CC-BY 4.0. Позиционируется как один из крупнейших открытых английских ASR-корпусов.
Что можно сделать
- Обучение ASR-модели вроде Whisper
- Fine-tune wav2vec2 для английской речи
- Проверка качества распознавания на разнообразных спикерах
- Задачи
- Распознавание речи
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 45,9 тыс.
- Лайков
- 304
Модели, обученные на нём
- nvidia/nemotron-speech-streaming-en-0.6bРаспознавание речи 88,4 тыс.
- nvidia/parakeet-ctc-1.1bРаспознавание речи 45,3 тыс.
- nvidia/parakeet-ctc-0.6bРаспознавание речи 22,4 тыс.
- nvidia/canary-qwen-2.5bРаспознавание речи 22,4 тыс.
- nvidia/parakeet-rnnt-0.6bРаспознавание речи 17,8 тыс.
- nvidia/parakeet-rnnt-1.1bРаспознавание речи 9 тыс.
- nvidia/parakeet-unified-en-0.6bРаспознавание речи 8,4 тыс.
- nvidia/parakeet-tdt-1.1bРаспознавание речи 7,9 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("MLCommons/peoples_speech")