К содержимому

Датасет · alexwengg

Бенчмарк выравнивания речи и текста Buckeye Corpus

alexwengg/buckeye

16,1 часа разговорной речи с ручной разметкой таймкодов каждого слова для forced alignment.

Что внутри

Набор основан на корпусе разговорной речи Buckeye Corpus (v2.0) и включает 2 478 аудиосегментов от 20 дикторов общей длительностью 16,1 часа (145 762 слова, в среднем 59 слов на сегмент). Аудио представлено в формате 16 кГц моно PCM WAV и снабжено ручной разметкой временных границ на уровне отдельных слов.

Что можно сделать

  • Бенчмаркинг систем принудительного выравнивания аудио и текста (forced alignment)
  • Оценка точности предсказания таймкодов слов в моделях ASR
  • Дообучение алгоритмов сегментации спонтанной разговорной речи
Размер
1K–10K записей
Скачиваний за месяц
21,4 тыс.
Лайков
0

Как загрузить

from datasets import load_dataset

ds = load_dataset("alexwengg/buckeye")