TaigiSpeech
קוד פתוחTaigiSpeechcc-by-4.02026-03-22
הקלטות קוליות בטייוואנית לזיהוי כוונות קוליות בבית חכם ובחירום לקשישים. הוא מיועד למי שחוקר שפות דלות משאבים וצריך דאטה אמיתי ומפולג לפי דוברים ללא חפיפה ביניהם.
- 1,131הורדות בחודש
- 17לייקים
מה זה
המאגר מכיל קצת יותר משלושת אלפים קטעי דיבור בטייוואנית שנאספו מעשרים ואחד דוברים שונים, ומחולק לשמונה כוונות מוגדרות מראש. ארבע מהן מיועדות למצבי חירום רפואיים כמו נפילה, קשיי נשימה או כאב, והשאר לפעולות יומיומיות של בית חכם כמו שליטה בתאורה, שיחה לאיש קשר או ביטול התרעה. ההקלטות נעשו במכשירי אייפד, מקבוק ומיקרופונים שולחניים, באזורים שונים בטייוואן.
החלוקה הפנימית מפרידה לחלוטין בין הדוברים כדי למנוע זליגת מידע. סט האימון כולל 1,600 הקלטות מעשרה דוברים ומאוזן לפי 200 דוגמאות לכל כוונה. סט הוולידציה כולל 519 הקלטות מחמישה דוברים, וסט הבחינה כולל 960 דוגמאות משישה דוברים נוספים, גם הוא מאוזן עם 120 הקלטות לכל מחלקה. בנוסף לקבצי האודיו, המאגר מספק פרופיל דמוגרפי מפורט לכל דובר עם גיל, מגדר, השכלה, אזור מגורים ורמת שליטה בשפה.
מתאים ל
- זיהוי מצוקה לקשישים
אימון מסווג קולי לזיהוי פקודות חירום רפואיות כמו נפילות, כאבים או קריאת מצוקה בטייוואנית.
- שליטה קולית בבית חכם
פיתוח ממשק קולי מקומי להדלקה וכיבוי של תאורה או חיוג לאנשי קשר ללא צורך בהקלדה.
- מחקר על שפות דלות משאבים
בחינת יכולות הכללה של מודלי SLU על דוברים חדשים לגמרי בעזרת החלוקה המבודדת במאגר.
איפה זה נופל
ההגבלה הראשונה היא השפה וההקשר. אין כאן עברית או אנגלית, אלא רק טייוואנית, שמוגדרת כשפה דלת משאבים. הגודל הכולל צנוע מאוד ועומד על עשרים ואחד דוברים בלבד, כאשר רובם מעל גיל חמישים וארבע. זה טוב לבדיקות שמתמקדות באוכלוסייה מבוגרת, אבל לא מכסה דיבור של צעירים או ילדים. בנוסף, המודל מוגבל לשמונה כוונות סגורות מראש, כך שאי אפשר להשתמש בו לזיהוי פקודות כלליות מחוץ לתרחישי חירום ובית חכם בסיסי.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, רישיון cc-by-4.0 מתיר שימוש מסחרי מלא. התנאי המחייב הוא לתת ייחוס הולם ליוצרי המאגר על פי הציטוט האקדמי המצורף.
האם יש במאגר דאטה בעברית?
לא, המאגר מוקדש כולו לשפה הטייוואנית בלבד ואינו כולל שפות אחרות. הוא לא יעזור לאימון מודל קולי בעברית.
איך נאספו ההקלטות?
הנתונים הוקלטו על ידי עשרים ואחד דוברים אמיתיים בגילאי 20 עד 78 ממחוזות שונים בטייוואן. ההקלטות בוצעו במכשירים ביתיים כמו אייפדים, מחשבי מקבוק ומיקרופונים בחיבור USB.
מה מבדיל את המאגר ממאגרי פקודות קוליות אחרים?
המאגר מתמקד בתרחיש ספציפי של טיפול בקשישים ושילוב בית חכם בשפה שיש לה מעט מאוד משאבים דיגיטליים. בנוסף, החלוקה לסטים מפרידה לחלוטין בין הדוברים, כך שאי אפשר לקבל תוצאות מוטות מזיהוי של אותו קול באימון ובבחינה.
איך טוענים
טוענים את המאגר ישירות עם ספריית datasets של Hugging Face בלי צורך באישור גישה מראש. הקבצים מגיעים בפורמט WAV מונו באיכות של 48 קילוהרץ, לצד קובצי metadata.jsonl שמקשרים בין האודיו למזהה הדובר ולתווית הכוונה. מי שרוצה לחקור השפעות דמוגרפיות צריך לגשת ישירות לתיקיית metadata, שמחזיקה את הפרופילים המלאים של הדוברים בקובצי JSON נפרדים.
from datasets import load_dataset
ds = load_dataset("TaigiSpeech/TaigiSpeech")הרישיון
המאגר מופץ ברישיון cc-by-4.0. המשמעות היא שמותר להשתמש בו לצרכים מחקריים ומסחריים, לשנות את הנתונים ולאמן עליהם מודלים. התנאי היחיד הוא מתן קרדיט ברור למחברים לפי תבנית הציטוט שפרסמו. אין דרישה לשתף את המודל המאומן או את הנגזרות באותו הרישיון.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס