Mesolitica 发布 Malaysian-Emilia 数据集, 应用在 语音识别、音频数据 领域

Mesolitica 本次发布的数据集 Malaysian-Emilia, 该项目旨在通过从YouTube和播客中抓取的音频数据，复现Emilia在马来西亚和新加坡语音上的应用。数据集包括185k小时的原始音频数据、2.2k小时的马来西亚播客音频数据和1.2k小时的新加坡播客音频数据。经过处理后，新加坡播客音频数据剩余175.9小时，包含61180个音频文件。数据集仍在处理中。

查看Malaysian-Emilia

Dataset card 内容： 

Files and versions 内容： 

关于 Mesolitica , Mesolitica 是东南亚人工智能领域的开发者，专注于聊天机器人、语音技术以及先进的多语言语言模型。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。