К содержимому

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")