Датасет · ysdede
Турецкий речевой корпус по видео Khan Academy
ysdede/khanacademy-turkish
78 часов коротких аудиоклипов с турецкой озвучкой и текстом для обучения ASR и TTS.
Что внутри
Внутри находятся короткие аудиофрагменты средней длительностью 10,5 секунды с соответствующими текстами на турецком языке. Общий объём записей составляет 78 часов (от 10 до 100 тысяч примеров), также приложено дерево исходных видеофайлов. Данные извлечены с турецкого YouTube-канала образовательного проекта Khan Academy и прошли предварительную обработку.
Что можно сделать
- Обучение и дообучение моделей распознавания турецкой речи (ASR)
- Тренировка моделей синтеза речи (text-to-audio) на турецком языке
- Задачи
- Распознавание речи, Текст → аудио
- Языки
- Турецкий
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 270
- Лайков
- 39
Модели, обученные на нём
- mstkyvz/embeddinggemma2-turkish-sttРаспознавание речи 53
- ysdede/Phi-4-mm-inst-asr-turkish-unfГенерация текста 44
- thealper2/whisper-base-turkish-khanacademyРаспознавание речи 35
- khazarai/KhanAcademy-TTSСинтез речи 34
- berrinuzun/whisper-large-v3-turkish 17
- kadirnar/Orpheus-KhanAcademy-TRГенерация текста 10
- atasoglu/seda-v0.2Распознавание речи 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("ysdede/khanacademy-turkish")