Датасет · google
Многоязычный ASR-бенчмарк FLEURS
google/fleurs
Речевые данные на 102 языках для обучения и оценки ASR на параллельных предложениях.
Что внутри
FLEURS — речевая версия бенчмарка FLoRes: 2009 параллельных предложений на 102 языках. В train примерно 10 часов супервизии на язык, дикторы train отличаются от dev/test. Формат — аудио и текстовые транскрипции; данные на многих языках.
Что можно сделать
- Обучение многоязычной ASR-модели
- Оценка ASR на 102 языках
- Кросс-языковые эксперименты
- Задачи
- Распознавание речи
- Языки
- afr, amh, ara, asm, ast, azj, bel, ben и ещё 4
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 208,2 тыс.
- Лайков
- 508
Модели, обученные на нём
- facebook/mms-lid-1024Классификация аудио 288,1 тыс.
- facebook/mms-1b-allРаспознавание речи 219,1 тыс.
- facebook/mms-lid-4017Классификация аудио 53,9 тыс.
- facebook/mms-lid-256Классификация аудио 47,2 тыс.
- neuphonic/neucodecОбработка аудио 45,2 тыс.
- SWivid/Habibi-TTS 36,8 тыс.
- facebook/mms-lid-2048Классификация аудио 20,6 тыс.
- facebook/mms-lid-126Классификация аудио 17,3 тыс.
Как загрузить
from datasets import load_dataset
ds = load_dataset("google/fleurs")