К содержимому

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")