Датасет · facebook
Многоязычный корпус речи Европарламента
facebook/voxpopuli
Аудио и транскрипты выступлений Европарламента на многих языках для ASR и обучения представлений.
Что внутри
Крупный многоязычный речевой корпус, собранный из записей мероприятий Европарламента 2009–2020 годов. Содержит транскрибированную речь для 18 языков, а также 29 часов транскриптов неносителей. Модальности — аудио и текст; метаданные указывают размер 1M–10M.
Что можно сделать
- Обучить ASR-модель на европейских языках
- Дообучить мультиязычный speech encoder
- Проверить качество транскрибации речи
- Задачи
- Распознавание речи
- Языки
- Английский, Немецкий, Французский, Испанский, Польский, Итальянский, ro, hu и ещё 4
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 33,2 тыс.
- Лайков
- 182
Модели, обученные на нём
- remsky/kokoro-inno-clone-tunerСинтез речи 1,6 млн
- nvidia/stt_en_conformer_ctc_largeРаспознавание речи 8,4 тыс.
- bofenghuang/asr-wav2vec2-ctc-frenchРаспознавание речи 4,4 тыс.
- bofenghuang/whisper-large-v3-frenchРаспознавание речи 1,6 тыс.
- RASMUS/Finnish-ASR-Canary-v2Распознавание речи 1,1 тыс.
- or4cl3ai/SoundSlayerAIСинтез речи 1,1 тыс.
- bofenghuang/whisper-medium-frenchРаспознавание речи 680
- third-intelligence/RubatoCodecОбработка аудио 642
Как загрузить
from datasets import load_dataset
ds = load_dataset("facebook/voxpopuli")