К содержимому

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")