distil-whisper/tedlium-timestamped
收藏Hugging Face2023-09-25 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/distil-whisper/tedlium-timestamped
下载链接
链接失效反馈官方服务：
资源简介：
这是TEDLIUM数据集的一个变体，增加了使用Whisper模型生成的伪标签转录，并包含时间戳信息。伪标签转录是通过使用Whisper large-v2模型对输入音频数据进行贪婪采样和时间戳预测生成的。数据集的使用包括安装和加载数据集的指导，以及如何流式加载数据集。此外，还提供了如何使用该数据集进行Distil Whisper训练的指导。
提供机构：
distil-whisper
原始信息汇总
Distil Whisper: TEDLIUM With Timestamps
数据集概述
- 名称: Distil Whisper: TEDLIUM With Timestamps
- 类型: 自动语音识别数据集
- 语言: 英语
- 许可证: cc-by-nc-nd-3.0
数据集描述
该数据集是TEDLIUM数据集的变体，增加了伪标记的Whisper转录本。这些伪标记转录本是通过使用Whisper large-v2模型进行贪婪采样和时间戳预测生成的。
使用方法
独立使用
-
安装最新版本的🤗 Datasets包： bash pip install --upgrade pip pip install --upgrade datasets[audio]
-
使用
load_dataset函数下载和预处理数据集： python from datasets import load_datasetdataset = load_dataset("distil-whisper/tedlium", "release3") sample = dataset["validation"][0]
-
也可以使用流模式直接从Hub加载数据集： python from datasets import load_dataset
dataset = load_dataset("distil-whisper/tedlium", "release3", streaming=True) sample = next(iter(dataset["validation"]))
Distil Whisper使用
如需使用此数据集复现Distil Whisper训练运行，请参考Distil Whisper仓库中的说明。
