К содержимому

Датасет · oddadmix

3000+ часов речи на 13 арабских диалектах для ASR

oddadmix/dialectal-arabic-lahgtna-v2

Крупный корпус аудиозаписей и транскрипций на 13 диалектах арабского языка для обучения систем распознавания речи.

Что внутри

Внутри собрано около 611 тысяч реплик (более 3000 часов записи) моноаудио с частотой 16 кГц и текстовыми расшифровками. Записи охватывают 13 арабских диалектов, каждый фрагмент размечен по конкретному диалекту. Транскрипции выполнены в аутентичной диалектной орфографии, а не на литературном арабском; в метаданных также указан английский язык.

Что можно сделать

  • Обучение и тестирование мультидиалектных ASR-моделей для арабского языка
  • Разработка систем распознавания конкретного арабского диалекта по голосу
Задачи
Распознавание речи
Языки
Арабский, Английский
Размер
100K–1M записей
Скачиваний за месяц
4,1 тыс.
Лайков
33

Как загрузить

from datasets import load_dataset

ds = load_dataset("oddadmix/dialectal-arabic-lahgtna-v2")