Датасет · seanghay
Выровненный речевой корпус кхмерского языка
seanghay/khmer_grkpp_speech
Небольшой набор аудиозаписей с текстовой привязкой на редком кхмерском языке для исследовательских задач.
Что внутри
Датасет содержит аудиозаписи и тексты на кхмерском языке (km), прошедшие принудительное выравнивание (forced alignment). Общая длительность аудио составляет 4,446 часа, размер выборки — менее 1000 записей. Автор не является владельцем исходных данных и опубликовал сборку исключительно для исследований малоресурсного языка.
Что можно сделать
- Обучение и дообучение моделей распознавания речи (ASR) для кхмерского языка
- Тестирование систем принудительного выравнивания аудио и текста
- Языки
- km
- Размер
- до 1K записей
- Скачиваний за месяц
- 202
- Лайков
- 9
Модели, обученные на нём
- Thareah/Tha-ASRРаспознавание речи 2,5 тыс.
- PhanithLIM/whisper-small-aug-28-april-lightning-v1Распознавание речи 171
- PhanithLIM/whisper-large-v3-turbo-e3 118
- PhanithLIM/whisper-base-aug-20-april-lightning-v1Распознавание речи 35
- Vira21/whisper-tiny-khmerРаспознавание речи 13
- PhanithLIM/whisper-tiny-aug-7-may-lightning-v1Распознавание речи 13
- sokhapen/whisper-small-khmer-v3-ct2Распознавание речи 10
- sokhapen/whisper-small-khmerРаспознавание речи 9
Как загрузить
from datasets import load_dataset
ds = load_dataset("seanghay/khmer_grkpp_speech")