К содержимому

Датасет · speechbrain

25 000 часов английской речи с транскрипциями от SpeechBrain

speechbrain/LoquaciousSet

Крупный разнородный корпус английской речи с расшифровками и готовыми сабсетами для обучения ASR-моделей.

Что внутри

Датасет включает 25 000 часов транскрибированной английской речи — как начитанной, так и спонтанной, в чистых и шумных условиях. Данные разбиты на 6 подмножеств разного объема и качества (включая large на 25 000 часов, medium на 2500, small на 250 и clean на 13 000 часов) и подходят как для исследований, так и для коммерческого использования.

Что можно сделать

  • Обучение и дообучение моделей автоматического распознавания речи (ASR)
  • Тестирование устойчивости распознавания речи к фоновым шумам и спонтанной речи
Задачи
Распознавание речи
Языки
Английский
Размер
10M–100M записей
Скачиваний за месяц
25,6 тыс.
Лайков
64

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("speechbrain/LoquaciousSet")