К содержимому

Датасет · fsicoli

Многоязычный голосовой корпус Common Voice 16.0

fsicoli/common_voice_16_0

Неофициальная копия открытого корпуса речи Mozilla Common Voice 16.0 для задач ASR.

Что внутри

Огромный набор данных (в метаданных указан масштаб от 100B до 1T), скачанный и сконвертированный с сайта проекта Mozilla Common Voice. Включает записи речи на множестве языков, среди которых абхазский, арабский, армянский, башкирский, белорусский, болгарский, чувашский и другие.

Что можно сделать

  • Обучение и дообучение многоязычных моделей ASR
  • Создание систем распознавания малоресурсных языков
Задачи
Распознавание речи
Языки
ab, af, am, Арабский, as, ast, az, ba и ещё 4
Размер
100B–1T записей
Скачиваний за месяц
25,1 тыс.
Лайков
4

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("fsicoli/common_voice_16_0")