Датасет · nvidia
Аудио QA для экспертного reasoning
nvidia/AudioSkills
Около 10 млн пар аудио-вопрос-ответ для обучения аудио-языковых моделей.
Что внутри
AudioSkills-XL — крупный датасет аудио-вопрос-ответ (AQA) для развития аудио-языковых моделей на экспертных задачах рассуждения. Он расширяет исходный AudioSkills примерно на 4,5 млн новых QA-пар, всего — около 10 млн примеров. Аудиофрагменты короткие, до 30 секунд; язык — английский.
Что можно сделать
- Обучение аудио-языковых моделей для вопросов по коротким аудио
- Дообучение LoRA для экспертного audio QA
- Оценка reasoning по аудио у мультимодальных моделей
- Задачи
- audio text to text
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 1,5 тыс.
- Лайков
- 107
Модели, обученные на нём
- nvidia/audio-flamingo-3-hfaudio text to text 76 тыс.
- nvidia/audio-flamingo-3audio text to text 746
- nvidia/audio-flamingo-3-chat 186
- Visionboxx/audio-flamingo-3audio text to text 16
- nvidia/audio-flamingo-2audio text to text 0
- nvidia/audio-flamingo-2-SoundCoTaudio text to text 0
- salvatore2303/audioСинтез речи 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/AudioSkills")