Diacritic Restoration in Yoruba Language

kaggle2022-01-23 更新2024-03-07 收录

语言处理

约鲁巴语

数据链接：

https://www.kaggle.com/datasets/welcomehere/restoringdiacritics2 数据链接链接失效反馈

官方服务：

资源简介：

A project on diacritic restoration of languages

一项致力于语言变音符号恢复（diacritic restoration）的项目

创建时间：

2022-01-23

yodas_owsmv4

语音识别

语言处理

该数据集包含了跨越75种语言的166,000小时的多种语言语音，被分割成30秒的长格式音频片段。数据来源于YODAS2数据集，该数据集基于大规模的网络爬取内容。由于网络源数据的性质，原始的YODAS2数据集可能包含不准确的语言标签和音频-文本对不齐的情况。为了解决这一问题，我们开发了一个可扩展的数据清洗管道，使用公开可用的工具包，从而形成原始数据集的一个精选子集。这个清洗后的数据集是我们OWSM

Hugging Face2025-06-03 更新320

中英混读手机采集语音数据【数据堂】

语音识别

语言处理

1,535小时中英混读手机采集语音数据由3972名中国本土人员参与录制，口音覆盖七大方言区。录音文本均为中英混合句子，涵盖通用场景及人机交互场景，内容丰富，转写精准。可用于改善语音识别系统对中英混读语音的识别效果。

OpenDataLab2023-12-20 更新140

fMRI Neural Activation Data

神经科学

语言处理

该数据集包含了来自5名受试者的功能性磁共振成像（fMRI）神经激活数据，这些数据是通过两个实验获得的，实验中使用了168段语言刺激来研究大脑反应。这两个实验旨在保持语义相关性，该数据集被用于评估在神经解码中预测语言刺激的双边匹配性能。数据规模涉及5名受试者，总计672个作为刺激呈现的句子。任务是通过大脑活动来预测语言刺激的神经解码。

arXiv100

cz_corpus

语言处理

捷克语研究

该数据集是为词类比任务设计的，用于检查捷克语词汇和短语的句法、形态句法和语义属性。数据集可供研究社区使用，支持Word2Vec和GloVe算法进行实验。

github2021-12-31 更新280

Australian Radio Talkback Corpus (ART)

广播转录

语言处理

Australian Radio Talkback (ART) is a set of transcribed recordings of samples of national, regional and commercial Australian talkback radio from 2004 to 2006. It consists of transcriptions of 27 audi

figshare.mq.edu.au2024-04-24 更新120

Diacritic Restoration in Yoruba Language

资源简介：

相关数据集