К содержимому

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")