Датасет · RidheshBhati
Многоязычный аудиокорпус на 100 000 часов речи
RidheshBhati/Complete_Data_Source_100K_HOURS
Сборник аудиозаписей и текстов на 6 языках, включая английский, хинди, бенгальский и тамильский.
Что внутри
В репозитории собрано от 1 до 10 миллионов записей (заявлено 100 тысяч часов аудио) в виде аудиоволн высокого качества и текстовых расшифровок. Данные охватывают шесть языков: английский, хинди, бенгальский, ассамский, каннада и тамильский, разделённые на соответствующие языковые подмножества.
Что можно сделать
- Обучение и дообучение моделей распознавания речи (ASR) для языков Индии и английского
- Разработка многоязычных систем синтеза речи (TTS)
- Языки
- as, bn, Английский, Хинди, kn, ta, te, gu и ещё 4
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 21,9 тыс.
- Лайков
- 4
Как загрузить
from datasets import load_dataset
ds = load_dataset("RidheshBhati/Complete_Data_Source_100K_HOURS")