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")