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")