Taledatasæt

Polsk datasæt

Polske mediedata af høj kvalitet og manuskriptmonologer til AI og talemodeller

Kontakt os
Polsk datasæt

Oversigt

  • Sprogpolsk
  • DatasættyperPodcast, manuskriptmonolog
  • LandPolen

Beskrivelse

Dette datasæt indeholder licenserbare lyd- eller videofiler i det offentlige domæne, såsom interviews og podcasts med 1 til 5 deltagere (15-60 minutter), sammen med manuskriptbaserede monologer, hvor en enkelt taler leverer foruddefineret indhold til træning og evaluering af tale- og sprogmodeller.

Datasæt højdepunkter

  • Sprogpolsk
  • Prøvefrekvens16 kHz / 48 kHz
  • Samlede timer2616:56:51
  • Højttalere3,231 +
  • KanalerMono
  • Varighedsinterval15-60 minutter

Brug cases

  • ASR (Automatisk talegenkendelse)
  • Virtuelle assistenter og chatbots
  • Samtaler AI
  • Taleanalyse
  • TTS (Tekst-til-tale)
  • Sprogmodellering

Specifikationer for eksempeldatasæt

DatasættypeMediedataManuskriptmonolog
Sampling Rate16 kHz48 kHz
HøjttalereMultipal-højttalereEnkel højttaler
KanalMonoMono
Samlede timer268:56:512,348:00:00
Samlet antal talere5322,699

Fordele

  • Mangfoldig og repræsentativBred dækning af talere for inkluderende, virkelighedsnær AI.
  • Lyd af høj kvalitetRene, afbalancerede optagelser for pålidelig modelydelse.
  • Klar til AI/MLStruktureret og kommenteret for problemfri integration.
  • Skalerbar og fleksibelFlere varigheder, talere og domæner, der passer til dine behov.

Fremhævede klienter

Tillid fra førende AI-teams og virksomheder verden over.

  • microsoft
  • Amazon Web Services
  • Google

Kan du ikke finde det, du leder efter?

Nye hyldedatasæt bliver indsamlet på tværs af alle datatyper

Kontakt os nu for at give slip på dine bekymringer om dataindsamling af lyd/taletræning

  • Dette felt er til validering og bør overlades uændret.
  • Ved tilmelding er jeg enig med Shaip Privatlivspolitik og Servicevilkår og give mit samtykke til at modtage B2B marketingkommunikation fra Shaip.