Датасет · kapturecx
Многоязычный корпус речи и диалектов Индии
kapturecx/bolAIndia
Масштабная коллекция аудиозаписей, текстов и документов на редких языках и диалектах Индии для систем ASR.
Что внутри
Репозиторий содержит от 10 до 100 миллионов записей, включающих аудио, тексты и документы. Представлены индийские языки и диалекты (включая ангика, ассамский, авадхи и другие), а также речь с переключением кодов (code-switching). В корпус вошли разговорные записи, чтение вслух, образовательные материалы и трансляции из городов и сельских районов.
Что можно сделать
- Обучение и адаптация моделей распознавания речи (ASR) под малоресурсные языки Индии
- Тренировка мультимодальных речевых систем, устойчивых к региональным акцентам и смешению языков
- Задачи
- Распознавание речи
- Языки
- anp, as, awa, bfz, bgc, bhb, bhd, bho и ещё 4
- Скачиваний за месяц
- 31,5 тыс.
- Лайков
- 7
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("kapturecx/bolAIndia")