Датасет · MushanW
Очищенный английский аудиокорпус на базе Common Voice 21.0
MushanW/GLOBE_V3
Отфильтрованные записи из Common Voice с частотой 24 кГц и идеальным совпадением транскрипций по Whisper V3 Large.
Что внутри
Датасет объёмом от 100 тысяч до 1 миллиона записей собран на основе английской части Common Voice 21.0. В него вошли только необработанные аудиофайлы с частотой дискретизации 24 кГц, чьи текстовые расшифровки на 100% совпали с распознаванием Whisper V3 Large (CER == 0), а также исходные метаданные о возрасте, поле и акценте дикторов.
Что можно сделать
- Обучение качественных моделей синтеза речи (TTS) с контролем акцента, пола и возраста
- Тренировка и оценка моделей распознавания речи (ASR) и классификации голоса
- Задачи
- Текст → аудио, Распознавание речи, Обработка аудио, Классификация аудио
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 2,4 тыс.
- Лайков
- 4
Как загрузить
from datasets import load_dataset
ds = load_dataset("MushanW/GLOBE_V3")