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")