Датасет · nvidia
Метаданные чистой многоязычной речи от NVIDIA
nvidia/Granary-HiFi
Отфильтрованные метаданные для подмножества VoxPopuli (от 10 до 100 млн записей) для отбора качественного аудио в ASR.
Что внутри
Это табличные и текстовые метаданные Granary-v2 от NVIDIA, полученные после фильтрации многоязычного речевого корпуса VoxPopuli (включая английский, немецкий, чешский и другие языки). Самих аудиофайлов внутри нет — только размеченные метаданные, прошедшие детекцию звуковых событий для отсеивания записей с посторонними шумами. Размер набора составляет от 10 до 100 млн строк.
Что можно сделать
- Фильтрация исходного корпуса VoxPopuli для обучения моделей ASR на чистой речи
- Анализ покрытия речи и уровня шумов в многоязычных аудиодатасетах
- Задачи
- Распознавание речи
- Языки
- bg, cs, da, Немецкий, el, Английский, Испанский, et и ещё 4
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 2 тыс.
- Лайков
- 11
Как загрузить
from datasets import load_dataset
ds = load_dataset("nvidia/Granary-HiFi")