К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("MohamedRashad/arabic-english-code-switching")