Датасет · google
Базовый датасет голосовых команд от Google
google/speech_commands
Десятки тысяч односекундных аудиозаписей базовых английских слов и фоновых шумов для обучения распознаванию команд.
Что внутри
Набор состоит из односекундных .wav файлов, где разные дикторы произносят по одному английскому слову (от 30 слов в v0.01 до 35 в v0.02, включая команды «Yes», «No», «Stop», «Go» и цифры) или записан фоновый шум. В первой версии содержится 64 727 записей, всего в датасете от 100 тыс. до 1 млн примеров.
Что можно сделать
- Обучение компактных моделей распознавания голосовых команд (Keyword Spotting)
- Бенчмаркинг лёгких нейросетей для классификации аудио на мобильных устройствах
- Тренировка детекторов голосовой активности с учётом фоновых шумов
- Задачи
- Классификация аудио
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 10,7 тыс.
- Лайков
- 66
Модели, обученные на нём
- nvidia/nemotron-speech-streaming-en-0.6bРаспознавание речи 106,4 тыс.
- nvidia/parakeet-unified-en-0.6bРаспознавание речи 7,6 тыс.
- nvidia/nemotron-labs-unified-asr-0.6bРаспознавание речи 3,6 тыс.
- animaslabs/nemotron-speech-streaming-en-0.6b-mlxРаспознавание речи 190
- m1el/nemotron-speech-streaming-0.6B-ggufРаспознавание речи 120
- animaslabs/nemotron-speech-streaming-en-0.6b-mlx-8bitРаспознавание речи 86
- diegomponte/wav2vec2-base-speech-commands-35Классификация аудио 76
- animaslabs/nemotron-speech-streaming-en-0.6b-mlx-4bitРаспознавание речи 45
Как загрузить
from datasets import load_dataset
ds = load_dataset("google/speech_commands")