Датасет · amaai-lab
Студийная речь с оговорками и эмоциями для TTS
amaai-lab/DisfluencySpeech
Почти 10 часов студийной английской речи одного диктора с паралингвистикой для обучения живого синтеза речи.
Что внутри
Набор из нескольких тысяч пар аудио и текста, где один диктор в студийном качестве заново озвучил около 10 часов живых неформальных реплик из телефонного корпуса Switchboard-1. Записи содержат естественные паузы, запинки и паралингвистические элементы.
Что можно сделать
- Обучение моделей синтеза речи (TTS), способных предсказывать и озвучивать живые паузы и эмоции прямо из текста
- Дообучение ASR-систем для лучшего распознавания спонтанной речи с оговорками
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 608
- Лайков
- 25
Модели, обученные на нём
- mradermacher/LvW-Dictate-1.5B-GGUF 416
- flockspeech/goldfinchСинтез речи 80
- Lucasgitguy-co/LvW-Dictate-1.5BГенерация текста 26
- nazarkozak/whisper-small-disfluent-verbatim-loraРаспознавание речи 17
- nazarkozak/whisper-small-disfluent-smoothed-loraРаспознавание речи 12
- pradachan/whisper-large-v3-turbo-disfluency-loraРаспознавание речи 12
- amaai-lab/DisfluencySpeech_BenchmarkBСинтез речи 8
- amaai-lab/DisfluencySpeech_BenchmarkCСинтез речи 6
Как загрузить
from datasets import load_dataset
ds = load_dataset("amaai-lab/DisfluencySpeech")