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")