Датасет · voice-is-cool
Многоязычный датасет спикеров VoxTube
voice-is-cool/voxtube
Мультиязычный датасет распознавания речи из видео YouTube с более чем 4 млн высказываний.
Что внутри
VoxTube содержит аудиосигналы и метаданные (ID спикеров, сессий, языки), собранные из видео на YouTube по лицензии CC BY 4.0. Включает 5,040 уникальных спикеров и около 4 млн высказываний на более чем 10 языках, включая en, ru, es, pt, fr, ar.
Что можно сделать
- Обучение и проверка систем распознавания речи (ASR)
- Обучение моделей идентификации и верификации спикеров (Speaker Recognition)
- Исследования в области многоязычного анализа аудио
- Задачи
- Классификация аудио
- Языки
- Английский, Русский, Испанский, Португальский, Французский, Арабский, Итальянский, Немецкий и ещё 3
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 748
- Лайков
- 20
- Доступ
- по запросу на Hugging Face
Как загрузить
from datasets import load_dataset
ds = load_dataset("voice-is-cool/voxtube")