К содержимому

Датасет · echonova-ai

Бенчмарк распознавания арабского языка и 8 диалектов

echonova-ai/arabic-dialect-asr-benchmark

20 часов размеченной арабской речи на литературном языке и восьми региональных диалектах для оценки ASR-систем.

Что внутри

Публичное тестовое подмножество из статьи EchoNova Sada включает 8925 аудиоклипов длительностью до 30 секунд (всего 19,95 часа) с ручной текстовой расшифровкой. Данные охватывают современный стандартный арабский и восемь диалектов: египетский, эмиратский, саудовский, кувейтский, катарский, оманский, сирийский и ливанский.

Что можно сделать

  • Оценка качества ASR-моделей на различных диалектах арабского языка
  • Тестирование устойчивости систем распознавания речи к региональным акцентам
Задачи
Распознавание речи
Языки
Арабский
Размер
1K–10K записей
Скачиваний за месяц
275
Лайков
10
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("echonova-ai/arabic-dialect-asr-benchmark")