Trelis发布test-draft-asr-e2e数据集,应用在语音识别、对话建模领域

Trelis本次发布的数据集test-draft-asr-e2e,test-draft-asr-e2e 是一个为语音识别任务准备的音频数据集，使用 Trelis Studio 制作。数据集包含 1 个源文件，4 个训练样本，总时长为 2.1 分钟。数据集的列包括音频段（16kHz）、纯文本转录、带 Whisper 时间戳标记的转录、前一段的纯文本（用于条件预处理）、原始音频中的开始和结束时间、语音持续时间、词级时间戳（JSON 格式）、源文件名和语言代码（ISO 639-1）。语音分割通过 CTC 对齐或转录时间戳定义，将完整音频分割为约 20 秒的块。训练使用提供了两种方法：2-bucket 方法（50% 使用纯文本转录，50% 使用带时间戳的转录）和 4-bucket 方法（增加条件预处理，考虑前一段的上下文）。数据集适用于语音识别和连续对话建模任务。

查看test-draft-asr-e2e

关于Trelis,Trelis Research 提供高级大型语言模型微调脚本、推理指南、API模板以及视觉和语音转录微调服务。

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。