Датасет · MohamedRashad
Аудиодатасет для ASR со смешанной арабско-английской речью
MohamedRashad/arabic-english-code-switching
Записи речи с переключением между арабским и английским языками для обучения систем распознавания речи.
Что внутри
Датасет содержит от 10 000 до 100 000 пар аудио и текста на арабском и английском языках для задачи ASR. Он создан на основе набора arzen-llm-speech-ds и дополнен очищенными и дедуплицированными фрагментами из различных видео на YouTube, что удвоило исходный объем данных.
Что можно сделать
- Дообучение ASR-моделей (например, Whisper) для распознавания смешанной арабско-английской речи
- Оценка качества транскрибации в условиях частого переключения языкового кода (code-switching)
- Задачи
- Распознавание речи
- Языки
- Арабский, Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 399
- Лайков
- 38
Модели, обученные на нём
- mohammedaly22/whisper-large-v3-turbo-egyptian-code-switchingРаспознавание речи 828
- MohamedRashad/Arabic-Whisper-CodeSwitching-EditionРаспознавание речи 370
- IbrahimAmin/code-switched-egyptian-arabic-whisper-smallРаспознавание речи 326
- mradermacher/MasriSwitch-Gemma3n-Transcriber-v1-i1-GGUF 309
- mradermacher/MasriSwitch-Gemma3n-Transcriber-v1-GGUF 297
- mohammedaly22/Metro-ASR-SmallРаспознавание речи 72
- oddadmix/MasriSwitch-Gemma3n-Transcriber-v1Распознавание речи 43
- MostafaKhidr/whisper-Large-ArabicEnglishРаспознавание речи 28
Как загрузить
from datasets import load_dataset
ds = load_dataset("MohamedRashad/arabic-english-code-switching")