Датасет · facebook
ASR-корпус Meta на 348 редких языках
facebook/omnilingual-asr-corpus
Записи спонтанной речи и транскрипции для 348 языков — для обучения ASR и определения языка.
Что внутри
Это набор записей спонтанной речи и их транскрипций для 348 недостаточно представленных языков. Корпус собран в рамках проекта Meta FAIR Omnilingual ASR для обучения ASR и определения разговорного языка. В схеме есть поля language, iso_639_3 и iso_15924; модальности — аудио и текст.
Что можно сделать
- Обучить или дообучить ASR-модель для редких языков
- Проверить spoken language identification
- Сделать LoRA для низкоресурсного языка
- Задачи
- Распознавание речи, Классификация аудио
- Языки
- aae, aal, aao, abn, abr, abs, abv, acm и ещё 4
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 7,3 тыс.
- Лайков
- 221
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("facebook/omnilingual-asr-corpus")