К содержимому

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")