five

SEACrowd/lex_indo

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/lex_indo
下载链接
链接失效反馈
官方服务:
资源简介:
这个开源词典包含2000个常见的印尼语单词,每个单词都附有音素序列。它旨在用作自动语音识别系统或文本到语音系统的词典。词典中的单词及其发音使用类似ARPABET(CMU的音素集)的音素集进行转录,音节之间用点分隔。

这个开源词典包含2000个常见的印尼语单词,每个单词都附有音素序列。它旨在用作自动语音识别系统或文本到语音系统的词典。词典中的单词及其发音使用类似ARPABET(CMU的音素集)的音素集进行转录,音节之间用点分隔。
提供机构:
SEACrowd
原始信息汇总

Lex Indo 数据集概述

基本信息

  • 名称: Lex Indo
  • 语言: 印尼语 (ind)
  • 任务类别: 多语言规范化 (multilexnorm)
  • 标签: 多语言规范化 (multilexnorm)
  • 许可证: Creative Commons Attribution Non Commercial No Derivatives 4.0 (cc-by-nc-nd-4.0)
  • 版本:
    • 源版本: 1.0.0
    • SEACrowd版本: 2024.06.20

数据集描述

  • 内容: 包含2,000个常见的印尼语词汇,每个词汇附有音素序列。
  • 用途: 适用于自动语音识别系统或文本转语音系统。
  • 格式: 词汇及其发音使用类似ARPABET的音素集进行转录,音节之间用点分隔。

使用方法

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/lex_indo", trust_remote_code=True)

使用 seacrowd

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("lex_indo", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("lex_indo"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集主页

引用

bibtex @misc{magichubLEXIndoIndonesian, author = {}, title = {LEX-INDO: AN INDONESIAN LEXICON}, year = {}, howpublished = {Online}, url = {https://magichub.com/datasets/indonesian-lexicon/}, note = {Accessed 19-03-2024}, }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作