SloPalSpeech
SloPalSpeech je otvorený dataset slovenskej reči určený na trénovanie modelov automatického rozpoznávania reči.
Môžem to použiť?
Licencia dovoľuje aj komerčné použitie, ak uvedieš autorov a licenciu.
O zdroji
SloPalSpeech je otvorený dataset slovenskej reči určený na trénovanie modelov automatického rozpoznávania reči. Obsahuje 2 806 hodín nahrávok z rokovaní Národnej rady SR, rozdelených do približne 403 tisíc segmentov s dĺžkou 20 až 30 s, spárovaných s oficiálnymi prepismi schôdzí. Prepisy boli k zvuku zarovnané automaticky a segmenty s chybovosťou na úrovni slov nad 40 % voči prepisu modelom Whisper boli odfiltrované, takže dataset obsahuje istý šum v anotáciách. Zverejnená je iba trénovacia časť bez oficiálnej testovacej sady. Doménou je formálna parlamentná reč, preto modely dotrénované len na tomto datasete inklinujú k parlamentnej slovnej zásobe.
Ďalšie zdroje pre túto úlohu
Všetky zdroje pre úlohu „Prepísať reč“ (10)- DatasetTrePal
TrePal je otvorený dataset slovenskej reči z plenárnych schôdzí Národnej rady SR, určený na trénovanie a vyhodnocovanie modelov automatického rozpoznávania reči.
- Streams s.r.o.
CC BY 4.0 Slovenská fine-tunovaná verzia Nvidia modelu Parakeet TDT 0.6b v3.
- NLP KInIT
- KInIT
CC BY 4.0- CC BY 4.0
- Apache 2.0
- Apache 2.0
Ďalšie zdroje od tímu NaiveNeuron FMFI UK
NaiveNeuron FMFI UK- ModelE5-sk-large
Ide o špecializovaný slovenský sentence-transformers model, ktorý mapuje vety a odseky do 384-rozmerného hustého vektorového priestoru a možno ho použiť na sémantickú textovú…
- ModelE5-sk-small
Ide o špecializovaný slovenský sentence-transformers model, ktorý mapuje vety a odseky do 384-rozmerného hustého vektorového priestoru a možno ho použiť na sémantickú textovú…
- DatasetskLEP
skLEP (General Language Understanding Evaluation benchmark for Slovak) je prvý komplexný benchmark špeciálne navrhnutý na hodnotenie modelov porozumenia prirodzenému jazyku (NLU)…
Porozumieť textuNekomerčné využitie