Датасет · psdn-ai
Многоязычный корпус краудсорсинговой речи на 16 языках
psdn-ai/CROWS-multilingual
Большой аудиокорпус с записями чтения текста и разметкой для обучения систем ASR и классификации речи.
Что внутри
Корпус от Poseidon AI включает 821 361 аудиозапись чтения текстов от 46 298 дикторов на 16 языках (в метаданных отмечены арабский, немецкий, английский, испанский, французский и хинди). К каждой записи прилагаются исходный текст, автоматическая транскрипция, перевод на английский, а также оценки качества звука и консистентности голоса.
Что можно сделать
- Обучение и дообучение многоязычных моделей ASR
- Классификация аудио и фильтрация записей по качеству речи и диктора
- Задачи
- Распознавание речи, Классификация аудио
- Языки
- Арабский, Немецкий, Английский, Испанский, Французский, Хинди, Индонезийский, Японский и ещё 4
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 14 тыс.
- Лайков
- 5
Как загрузить
from datasets import load_dataset
ds = load_dataset("psdn-ai/CROWS-multilingual")