К содержимому

Датасет · nonverbalspeech

Аудиодатасет невербальной речи из фильмов и аудиокниг

nonverbalspeech/nonverbalspeech38k

38 718 аудиофрагментов на английском и китайском с разметкой невербальных звуков для задач TTS и ASR.

Что внутри

Датасет содержит 38 718 аудиозаписей с текстом общей длительностью около 131 часа на английском и китайском языках. Сэмплы собраны из реальных источников — фильмов, мультфильмов и аудиокниг — и размечены по 10 категориям невербальных проявлений речи.

Что можно сделать

  • Обучение TTS-моделей генерации выразительной речи с невербальными звуками
  • Дообучение ASR-систем распознаванию эмоций и невербальных вставок в аудио
Задачи
Синтез речи, Распознавание речи
Языки
Китайский, Английский
Размер
10K–100K записей
Скачиваний за месяц
1,3 тыс.
Лайков
40

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("nonverbalspeech/nonverbalspeech38k")