Датасет · speechcolab
ASR-корпус для тайского, индонезийского и вьетнамского
speechcolab/gigaspeech2
30 тыс. часов автотранскрибированной речи и очищенный набор на 22 тыс. часов для ASR на трёх языках.
Что внутри
Крупный многоязычный ASR-корпус для низкоресурсных языков: тайского, индонезийского и вьетнамского. В raw-части около 30 тыс. часов автоматически транскрибированной речи; в refine-части — 10 тыс. часов тайского и по 6 тыс. часов индонезийского и вьетнамского. Это аудио и текст для задач automatic-speech-recognition.
Что можно сделать
- Дообучение ASR-модели для тайского, индонезийского или вьетнамского
- Обучение многoязычной ASR-системы на низкоресурсных языках
- Оценка качества распознавания речи на трёх языках
- Задачи
- Распознавание речи
- Языки
- Тайский, Индонезийский, Вьетнамский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 11,2 тыс.
- Лайков
- 76
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("speechcolab/gigaspeech2")