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")