К содержимому

Датасет · pain

1000 часов арабской речи с YouTube

pain/MASC

Мультидиалектный корпус арабского аудио на 1000 часов для обучения моделей распознавания речи (ASR).

Что внутри

Внутри собрано 1000 часов аудиозаписей на арабском языке с частотой дискретизации 16 кГц. Материалы взяты с более чем 700 YouTube-каналов, поэтому данные охватывают разные регионы, жанры и диалекты. Датасет создан специально для развития речевых технологий и распознавания арабской речи.

Что можно сделать

  • Обучение или дообучение моделей ASR для арабского языка
  • Тестирование распознавания речи на разных арабских диалектах
Задачи
Распознавание речи
Языки
Арабский
Скачиваний за месяц
1,5 тыс.
Лайков
12

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("pain/MASC")