К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("seanghay/khmer_grkpp_speech")