К содержимому

Датасет · facebook

Многоязычный корпус для перевода речи и ASR

facebook/covost2

Крупный аудиокорпус на базе Mozilla Common Voice для распознавания речи и перевода между английским и десятками языков.

Что внутри

Датасет размером от 100 тысяч до 1 миллиона записей включает переводы устной речи с 21 языка на английский и с английского на 15 языков (в метаданных отмечены арабский, каталанский, валлийский, немецкий, испанский, эстонский и др.). Аудиофайлы собраны из краудсорсингового проекта Mozilla Common Voice и хранятся в формате .mp3.

Что можно сделать

  • Обучение систем сквозного перевода речи (Speech-to-Text Translation)
  • Тренировка и оценка многоязычных моделей ASR
Задачи
Распознавание речи
Языки
Арабский, ca, cy, Немецкий, Испанский, et, Персидский, Французский и ещё 4
Размер
100K–1M записей
Скачиваний за месяц
604
Лайков
52

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("facebook/covost2")