К содержимому

Датасет · UBC-NLP

Корпус для распознавания арабских диалектов Casablanca

UBC-NLP/Casablanca

Аудиозаписи с транскрипциями для обучения и тестирования систем ASR на различных диалектах арабского языка.

Что внутри

Датасет состоит из пар аудио и текста на арабском языке, охватывающих различные диалекты. Объем выборки составляет от 10 до 100 тысяч примеров. Проект создан группой UBC-NLP для устранения нехватки речевых данных для малоресурсных диалектов.

Что можно сделать

  • Обучение и дообучение моделей распознавания речи (ASR) для арабского языка
  • Оценка устойчивости речевых моделей к разным арабским диалектам
Языки
Арабский
Размер
10K–100K записей
Скачиваний за месяц
2,1 тыс.
Лайков
39

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("UBC-NLP/Casablanca")