five

SEACrowd/national_speech_corpus_sg_imda

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/national_speech_corpus_sg_imda
下载链接
链接失效反馈
官方服务:
资源简介:
国家语音语料库(NSC)是新加坡信息通信媒体发展局(IMDA)主导的首个大规模新加坡英语语料库。它旨在成为自动语音识别(ASR)研究和语音相关应用的重要开放语音数据源。NSC提高了语音引擎对本地口音英语的识别和转录准确性,并有助于语音合成技术的发展,使生成的AI语音更符合新加坡人的习惯,本地术语发音更准确。

国家语音语料库(NSC)是新加坡信息通信媒体发展局(IMDA)主导的首个大规模新加坡英语语料库。它旨在成为自动语音识别(ASR)研究和语音相关应用的重要开放语音数据源。NSC提高了语音引擎对本地口音英语的识别和转录准确性,并有助于语音合成技术的发展,使生成的AI语音更符合新加坡人的习惯,本地术语发音更准确。
提供机构:
SEACrowd
原始信息汇总

National Speech Corpus Sg Imda 数据集概述

基本信息

  • 名称: National Speech Corpus Sg Imda
  • 语言: 英语 (eng)
  • 任务类别: 语音识别 (Speech Recognition)
  • 标签: 语音识别 (speech-recognition)
  • 许可证: 其他许可证 (Other License) | 新加坡开放数据许可证 V1.0

数据集描述

  • 目标: 成为自动语音识别 (ASR) 研究和语音相关应用的重要开放语音数据源。
  • 特点: 提高语音引擎对本地口音英语的识别和转录准确性,并有助于语音合成技术,生成更符合新加坡人习惯的AI语音。

使用方法

使用 datasets

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/national_speech_corpus_sg_imda", 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("national_speech_corpus_sg_imda", schema="seacrowd")

查看数据集的所有可用子集(配置名称)

print(sc.available_config_names("national_speech_corpus_sg_imda"))

使用特定配置加载数据集

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

数据集版本

  • 源版本: 2.0.8
  • SEACrowd 版本: 2024.06.20

引用

plaintext @inproceedings{koh19_interspeech, author={Jia Xin Koh and Aqilah Mislan and Kevin Khoo and Brian Ang and Wilson Ang and Charmaine Ng and Ying-Ying Tan}, title={{Building the Singapore English National Speech Corpus}}, year=2019, booktitle={Proc. Interspeech 2019}, pages={321--325}, doi={10.21437/Interspeech.2019-1525}, issn={2308-457X} }

@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} }

搜集汇总
数据集介绍
main_image_url
背景与挑战
背景概述
新加坡国家语音语料库(NSC)是一个大规模的新加坡英语语音数据集,旨在提升自动语音识别技术对本地口音英语的准确性。数据集需单独获取,并需安装特定库才能使用。
以上内容由遇见数据集搜集并总结生成
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