К содержимому

Датасет · amphion

Китайская речь с разметкой невербальных звуков

amphion/Emilia-NV

Аудио и текст на мандаринском китайском с пословной разметкой вздохов, смеха и междометий для ASR и TTS.

Что внутри

Внутри находятся аудиозаписи и тексты на мандаринском китайском языке (от 100 тысяч до 1 миллиона примеров). Главная особенность — пословная аннотация 18 категорий паралингвистических звуков, включая смех, дыхание и междометия вроде «uhm» или «oh». Данные предназначены для улучшения систем синтеза и распознавания речи.

Что можно сделать

  • Обучение моделей эмоционального и живого синтеза речи (TTS) на китайском языке
  • Дообучение ASR-систем распознавать невербальные звуки и паузы в речи
  • Оценка качества генерации естественных интонаций в голосовых моделях
Задачи
Синтез речи, Распознавание речи
Языки
Китайский
Размер
100K–1M записей
Скачиваний за месяц
626
Лайков
56
Доступ
по запросу на Hugging Face

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("amphion/Emilia-NV")