Датасет · zhifeixie
Потоковые аудиодиалоги на английском и китайском (2,28 млн клипов)
zhifeixie/StreamAudio-2M
Крупный мультизадачный датасет потокового аудио для обучения аудио-LLM и голосовых агентов.
Что внутри
Набор содержит около 2,28 млн уникальных аудиоклипов на английском и китайском языках, организованных в потоки (последовательности аудиореплик в единой схеме) по шести подзадачам. Включает субнаборы для понимания аудио (90 738 монтажей на базе AudioSet и FMA с описаниями и вопросами-ответами) и потокового ASR (28 109 потоков на основе CommonVoice и GigaSpeech).
Что можно сделать
- Обучение мультимодальных аудио-LLM и потоковых голосовых агентов
- Тренировка моделей ASR в реальном времени и распознавания звуковых сцен
- Задачи
- Классификация аудио, Распознавание речи, Перевод, Обработка аудио
- Языки
- Английский, Китайский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 1,4 тыс.
- Лайков
- 32
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("zhifeixie/StreamAudio-2M")