tokenizers

kaggle2024-08-21 更新2024-10-26 收录

文本预处理

语音转文本

数据链接：

https://www.kaggle.com/datasets/sachinmohanty/tokenizers 数据链接链接失效反馈

官方服务：

资源简介：

BPE_Tokenizer for xttsv2

BPE分词器，适用于xttsv2数据集

创建时间：

2024-08-21

omarelsayeed/good_chats_dataset_pre_tokenization

自然语言处理

文本预处理

--- dataset_info: features: - name: Chat_ID dtype: string - name: text dtype: string splits: - name: train num_bytes: 97515949 num_examples: 33735 download_size: 30316154

Hugging Face2024-02-23 更新150

whucedar/datasets_stt_1

语音识别

语音转文本

该数据集包含音频和句子两个主要特征。音频特征的采样率为16000Hz，句子特征为字符串类型。数据集分为训练集和测试集，训练集包含1007个样本，测试集包含431个样本。数据集的下载大小为572702091字节，总大小为580331887.528字节。数据文件路径分别为训练集的data/train-*和测试集的data/test-*。

Hugging Face2024-07-10 更新90

xtts_14_11

语音合成

语音转文本

test to speech model built on 14/11/2024 Yash & Dhruveel

kaggle2024-11-14 更新60

GGarri/PoCcustomdata

语音识别

语音转文本

该数据集包含音频和对应的转录文本，音频的采样率为16000Hz。数据集分为训练集、测试集和验证集，分别包含1460、418和209个样本。训练集的大小约为1.2GB，测试集约为349MB，验证集约为181MB。总下载大小约为1.11GB，数据集总大小约为1.73GB。

Hugging Face2024-07-02 更新110

livinNector/ta-oscar-tokenizer-clean

自然语言处理

文本预处理

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 9037331867 num_examples: 556772 download_size: 2891190241 dataset_size: 9037331867 --- #

Hugging Face2023-04-12 更新80

tokenizers

资源简介：

相关数据集