Датасет · upb-nlp
300 часов румынской речи от 300 дикторов
upb-nlp/echo
Краудсорсинговый аудиокорпус румынского языка для обучения систем распознавания речи.
Что внутри
Датасет включает более 300 часов аудиозаписей с текстовыми расшифровками на румынском языке (от 100 тысяч до 1 миллиона сегментов), записанных 300 разными спикерами. Данные собраны через краудсорсинговую платформу Echo. Корпус открыт исключительно для некоммерческих исследовательских целей.
Что можно сделать
- Обучение и дообучение моделей автоматического распознавания речи (ASR) для румынского языка
- Адаптация мультиязычных моделей вроде Whisper под румынскую речь
- Задачи
- Распознавание речи
- Языки
- ro
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 247
- Лайков
- 5
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("upb-nlp/echo")