К содержимому

Датасет · razhan

Корпус курдской речи yt-ckb с YouTube

razhan/yt-ckb

Сборник из около 775 тысяч коротких аудиозаписей центральнокурдской речи с транскрипциями.

Что внутри

Содержит ~775k коротких аудиоклипов в формате WAV на центральнокурдском языке (Сорани) общей сложностью 116.4 ГБ. Данные разбиты на 56 архивов и сопровождаются файлом индекса metadata.csv.

Что можно сделать

  • Обучение моделей ASR для курдского языка (Sorani)
  • Разработка систем распознавания и перевода речи
Задачи
Распознавание речи
Языки
ckb
Размер
100K–1M записей
Скачиваний за месяц
1,2 тыс.
Лайков
1

Как загрузить

from datasets import load_dataset

ds = load_dataset("razhan/yt-ckb")