Датасет · vhdm
Очищенный корпус персидской речи на базе Common Voice 17
vhdm/persian-voice-v1
Версия персидского раздела Mozilla Common Voice 17 с исправленными орфографическими ошибками для задач распознавания речи.
Что внутри
Датасет объединяет аудиозаписи и текстовые расшифровки на персидском языке (объём от 10 до 100 тысяч записей). Авторы взяли персидскую часть корпуса Mozilla Common Voice 17 и вручную вычистили в транскрипциях орфографические неточности и опечатки. Это сделано для более точного сопоставления звука и текста при обучении моделей.
Что можно сделать
- Обучение и дообучение моделей автоматического распознавания речи (ASR) на персидском языке
- Улучшение точности транскрибации за счёт чистой разметки
- Тестирование персидских голосовых систем
- Задачи
- Распознавание речи
- Языки
- Персидский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 150
- Лайков
- 32
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("vhdm/persian-voice-v1")