К содержимому

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")