Датасет · ai-sage
Английская речь с таймкодами для понимания аудио во времени
ai-sage/TimeGround-1M
Сотни тысяч аудиофрагментов из 14 тыс. часов речи с разметкой временных отрезков и саммари.
Что внутри
Мультимодальный датасет объёмом от 100 тысяч до 1 миллиона примеров на английском языке, построенный на базе 14 тысяч часов речи из корпуса YODAS2 после фильтрации по языку и тишине. Содержит синтетические аннотации для задач временной локализации, описания событий по таймкодам и создания саммари с привязкой ко времени. Разметка прошла многоступенчатую проверку через LLM и детерминированные валидаторы.
Что можно сделать
- Обучение мультимодальных аудио-моделей (Audio-LLM) отвечать на вопросы с указанием таймкодов
- Тренировка систем суммаризации длинных аудиозаписей и подкастов с привязкой ко времени
- Задачи
- Вопрос-ответ, Суммаризация
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 25,9 тыс.
- Лайков
- 8
Как загрузить
from datasets import load_dataset
ds = load_dataset("ai-sage/TimeGround-1M")