Датасет · MohammadJRanjbar
Многоголосый корпус персидской речи для TTS и ASR
MohammadJRanjbar/ParsVoice
Крупнейший открытый аудиотекстовый корпус на фарси, собранный из аудиокниг для синтеза и распознавания речи.
Что внутри
В датасете от 1 до 10 миллионов пар аудио и текста на языке фарси, а также табличные метаданные. Записи получены из длинных персидских аудиокниг с помощью автоматического пайплайна: сегментации по предложениям, ASR-транскрибации и фильтрации через модель ParsBERT. Работа принята на основную конференцию EMNLP 2026.
Что можно сделать
- Обучение многоголосых моделей синтеза речи (TTS) на фарси
- Обучение и дообучение систем распознавания речи (ASR) для персидского языка
- Классификация аудио и определение дикторов
- Задачи
- Синтез речи, Распознавание речи, Классификация аудио
- Языки
- Персидский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 2,6 тыс.
- Лайков
- 45
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("MohammadJRanjbar/ParsVoice")