К содержимому

Датасет · formospeech

Речевой корпус коренных языков Тайваня (ILRDF)

formospeech/ilrdf_dicts

Озвученные словари коренных языков Тайваня с десятками часов аудио и текстовыми расшифровками для речевых технологий.

Что внутри

Датасет объёмом от 10 до 100 тысяч записей представляет собой многоязычный корпус из аудио и текстов по различным коренным языкам и диалектам Тайваня (амисский, бунун, кавалан, рукай, пайвань и другие). Каждый языковой поднабор включает тысячи обучающих примеров общей длительностью от 5 до 13+ часов на диалект. Доступ к данным открыт с ограничением (Public Gated).

Что можно сделать

  • Обучение моделей распознавания речи (ASR) для редких и малоресурсных языков
  • Создание систем синтеза речи (TTS) и фонетических словарей для языков Тайваня
Размер
10K–100K записей
Скачиваний за месяц
36,5 тыс.
Лайков
0
Доступ
по запросу на Hugging Face

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("formospeech/ilrdf_dicts")