К содержимому

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")