distil-whisper/tedlium
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
下载链接
链接失效反馈官方服务：
资源简介：
Distil Whisper: TEDLIUM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。这些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生成的。数据集的使用包括安装和加载数据集的步骤，支持流模式直接从Hub加载数据。此外，文件还提供了如何使用该数据集复现Distil Whisper训练过程的指导。
Distil Whisper: TEDLIUM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。这些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生成的。数据集的使用包括安装和加载数据集的步骤，支持流模式直接从Hub加载数据。此外，文件还提供了如何使用该数据集复现Distil Whisper训练过程的指导。
提供机构：
distil-whisper
原始信息汇总
Distil Whisper: TEDLIUM 数据集概述
数据集基本信息
- 许可证: cc-by-nc-nd-3.0
- 任务类别: 自动语音识别
- 语言: 英语
- 名称: TEDLIUM
数据集描述
Distil Whisper: TEDLIUM 是 TEDLIUM 数据集的一个变体，增加了伪标签的 Whisper 转录文本。这些伪标签转录文本是通过使用 Whisper large-v2 模型对输入音频数据进行贪婪采样生成的。
数据集使用
数据集可以通过以下方式加载和使用：
-
本地加载: 使用
load_dataset函数加载数据集到本地。 python from datasets import load_dataset dataset = load_dataset("distil-whisper/tedlium", "release3") -
流式加载: 使用 Datasets 的流式模式直接从 Hub 加载数据集。 python from datasets import load_dataset dataset = load_dataset("distil-whisper/tedlium", "release3", streaming=True)
许可证
本数据集根据 cc-by-nc-nd-3.0 许可证发布。
