К содержимому

Датасет · thivux

Крупный корпус вьетнамской речи для zero-shot TTS

thivux/phoaudiobook

Миллионы пар аудио и текста на вьетнамском языке для обучения моделей синтеза речи без дообучения на диктора.

Что внутри

Это масштабный датасет объёмом от 1 до 10 миллионов записей, содержащий вьетнамскую речь и соответствующие тексты. Набор специально подготовлен для задач zero-shot синтеза речи (text-to-speech), а методика его сборки описана в научной статье для конференции ACL 2025.

Что можно сделать

  • Обучение zero-shot TTS моделей для вьетнамского языка
  • Тренировка систем распознавания речи (ASR) на вьетнамском
  • Исследования в области клонирования голоса
Задачи
Синтез речи
Языки
Вьетнамский
Размер
1M–10M записей
Скачиваний за месяц
2,7 тыс.
Лайков
57
Доступ
по запросу на Hugging Face

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("thivux/phoaudiobook")