К содержимому

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")