Датасет · formospeech
Аудиокорпус новостей Hakkaradio
formospeech/hakkaradio_news
Аудиодатасет новостных записей с текстовыми расшифровками для редких диалектов.
Что внутри
Корпус включает аудио и текст объемом от 1K до 10K сэмплов (общей длительностью около 350 часов). Данные разделены на подмножества (dapu, hailu, raoping, sixian, zhaoan) с указанием количества сэмплов и часов для каждого. Доступ к датасету публичный (Gated).
Что можно сделать
- Обучение и адаптация ASR-систем под диалекты
- Речевые технологии и обработка аудио
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 22,9 тыс.
- Лайков
- 0
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("formospeech/hakkaradio_news")