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")