Датасет · disco-eth
Многоязычная парламентская речь EuroSpeech
disco-eth/EuroSpeech
Крупный корпус выровненной парламентской речи на 22 европейских языках для ASR и TTS.
Что внутри
EuroSpeech — большой многоязычный корпус речи, собранный из парламентских заседаний и обработанный пайплайном выравнивания аудио с недословными транскриптами. Содержит высококачественную выровненную речь на 22 европейских языках; в метаданных перечислены de, en, mt, sl, sk, da. Аудио в 16 кГц, есть версия 24 кГц. Объём — от 10 до 100 млн примеров.
Что можно сделать
- Обучение многоязычных ASR-моделей на парламентской речи
- Дообучение TTS-систем для европейских языков
- Проверка ASR на недословных транскриптах и разных форматах аудио
- Задачи
- Распознавание речи, Синтез речи
- Языки
- Немецкий, Английский, mt, sl, sk, da, sv, no и ещё 4
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 112,2 тыс.
- Лайков
- 107
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("disco-eth/EuroSpeech")