К содержимому

Датасет · opedromartins

Объединённый корпус бразильского португальского для ASR

opedromartins/ASR-datasets-ptbr

Большой сборник аудиозаписей с транскрибациями на португальском языке (Бразилия) для обучения систем распознавания речи.

Что внутри

Внутри собраны пары аудиозаписей и текстовых расшифровок на бразильском варианте португальского языка. Общий объём составляет от 1 до 10 миллионов записей. Датасет представляет собой единый стандартизированный корпус, объединяющий несколько публичных наборов данных о речи.

Что можно сделать

  • Обучение и дообучение моделей автоматического распознавания речи (ASR) на португальском языке
  • Сравнение качества акустических моделей на едином стандартизированном корпусе
Задачи
Распознавание речи
Языки
Португальский
Размер
1M–10M записей
Скачиваний за месяц
869
Лайков
14

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("opedromartins/ASR-datasets-ptbr")