К содержимому

Датасет · k9cli

Шард данных из пайплайна нарезки видео в аудио для ASR и TTS

k9cli/video-vec2wav2-tokenizer-3

Продолжение выгрузки датасета для распознавания и синтеза речи, собранного из видеофайлов.

Что внутри

Это третья часть-шард проекта по конвертации видео в обучающие наборы данных для задач ASR и TTS. Судя по описанию пайплайна, исходные видео преобразуются в монофоническое аудио 16 кГц PCM, транскрибируются через Whisper и нарезаются на клипы. Точный объём и языки в карточке не указаны.

Что можно сделать

  • Обучение и дообучение моделей распознавания речи (ASR)
  • Подготовка данных для моделей синтеза речи (TTS)
Скачиваний за месяц
433 тыс.
Лайков
14

Как загрузить

from datasets import load_dataset

ds = load_dataset("k9cli/video-vec2wav2-tokenizer-3")