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")