మీరు వాయిస్ ఇంటర్ఫేస్లు, ట్రాన్స్క్రిప్షన్ లేదా మల్టీమోడల్ ఏజెంట్లను నిర్మిస్తుంటే, మీ మోడల్ సీలింగ్ మీ డేటా ద్వారా సెట్ చేయబడుతుంది. స్పీచ్ రికగ్నిషన్ (ASR)లో, అంటే వాస్తవ ప్రపంచ వినియోగదారులు, పరికరాలు మరియు వాతావరణాలను ప్రతిబింబించే విభిన్నమైన, బాగా లేబుల్ చేయబడిన ఆడియోను సేకరించడం మరియు దానిని క్రమశిక్షణతో మూల్యాంకనం చేయడం.
ఈ గైడ్ స్పీచ్ ట్రైనింగ్ డేటాను ఎలా ప్లాన్ చేయాలో, సేకరించాలో, క్యూరేట్ చేయాలో మరియు మూల్యాంకనం చేయాలో మీకు ఖచ్చితంగా చూపిస్తుంది, తద్వారా మీరు నమ్మకమైన ఉత్పత్తులను వేగంగా రవాణా చేయవచ్చు.
"స్పీచ్ రికగ్నిషన్ డేటా" గా దేనిని లెక్కిస్తారు?
కనీసం: ఆడియో + టెక్స్ట్. ఆచరణాత్మకంగా, అధిక పనితీరు గల వ్యవస్థలకు రిచ్ మెటాడేటా (స్పీకర్ డెమోగ్రాఫిక్స్, లొకేల్, డివైస్, అకౌస్టిక్ పరిస్థితులు), ఉల్లేఖన కళాఖండాలు (టైమ్స్టాంప్లు, డైరైజేషన్, నవ్వు వంటి లెక్సికల్ కాని ఈవెంట్లు) మరియు బలమైన కవరేజ్తో మూల్యాంకన విభజనలు కూడా అవసరం.
ప్రో చిట్కా: మీరు “డేటాసెట్” అని చెప్పినప్పుడు, టాస్క్ (డిక్టేషన్ వర్సెస్ కమాండ్స్ వర్సెస్ కన్వర్సేషనల్ ASR), డొమైన్ (సపోర్ట్ కాల్స్, హెల్త్కేర్ నోట్స్, ఇన్-కార్ కమాండ్స్) మరియు కన్స్ట్రైంట్స్ (లాటెన్సీ, ఆన్-డివైస్ వర్సెస్ క్లౌడ్) పేర్కొనండి. ఇది శాంప్లింగ్ రేటు నుండి ఉల్లేఖన స్కీమా వరకు ప్రతిదీ మారుస్తుంది.
స్పీచ్ డేటా స్పెక్ట్రమ్ (మీ వినియోగ సందర్భానికి సరిపోయేదాన్ని ఎంచుకోండి)
1. స్క్రిప్ట్ చేయబడిన ప్రసంగం (అధిక నియంత్రణ)
స్పీకర్లు ప్రాంప్ట్లను యధాతథంగా చదువుతారు. కమాండ్ & కంట్రోల్, వేక్ వర్డ్స్ లేదా ఫొనెటిక్ కవరేజ్ కోసం చాలా బాగుంటుంది. స్కేల్ చేయడానికి వేగంగా; తక్కువ సహజ వైవిధ్యం.
2. దృశ్య ఆధారిత ప్రసంగం (సెమీ-కంట్రోల్డ్)
స్పీకర్లు ఒక సందర్భంలో ప్రాంప్ట్లను అమలు చేస్తారు (“గ్లాకోమా అపాయింట్మెంట్ కోసం క్లినిక్ను అడగండి”). మీరు పనిలో ఉన్నప్పుడు వైవిధ్యమైన పదజాలాన్ని పొందుతారు - డొమైన్ భాషా కవరేజీకి అనువైనది.
3. సహజ/స్క్రిప్ట్ లేని ప్రసంగం (తక్కువ నియంత్రణ)
నిజమైన సంభాషణలు లేదా ఉచిత ఏకపాత్రాభినయాలు. మల్టీ-స్పీకర్, లాంగ్-ఫామ్ లేదా ధ్వనించే వినియోగ సందర్భాలకు అవసరం. శుభ్రం చేయడం కష్టం, కానీ దృఢత్వానికి కీలకం. అసలు కథనం ఈ స్పెక్ట్రమ్ను పరిచయం చేసింది; ఇక్కడ మేము ఎక్కువగా లేదా తక్కువగా అమర్చడాన్ని నివారించడానికి ఉత్పత్తికి స్పెక్ట్రమ్ను సరిపోల్చడాన్ని నొక్కి చెబుతున్నాము.
మీ డేటాసెట్ను ఒక ఉత్పత్తిలా ప్లాన్ చేసుకోండి
విజయం మరియు అడ్డంకులను ముందుగా నిర్వచించండి
- ప్రాథమిక మెట్రిక్: చాలా భాషలకు WER (పద దోష రేటు); స్పష్టమైన పద సరిహద్దులు లేని భాషలకు CER (అక్షర దోష రేటు).
- ఆలస్యం & పాదముద్ర: మీరు పరికరంలో అమలు చేస్తారా? అది నమూనా రేటు, మోడల్ మరియు కుదింపును ప్రభావితం చేస్తుంది.
- గోప్యత & సమ్మతి: మీరు PHI/PII (ఉదా. ఆరోగ్య సంరక్షణ) ను తాకినట్లయితే, సమ్మతి, గుర్తింపు రద్దు మరియు ఆడిటిబిలిటీని నిర్ధారించుకోండి.
వాస్తవ వినియోగాన్ని డేటా స్పెక్స్లోకి మ్యాప్ చేయండి
- స్థానికాలు & యాసలు: ఉదా, en-US, en-IN, en-GB; పట్టణ/గ్రామీణ మరియు బహుభాషా కోడ్-స్విచ్చింగ్ను సమతుల్యం చేయండి.
- పరిసరాలు: కార్యాలయం, వీధి, కారు, వంటగది; SNR లక్ష్యాలు; రెవెర్బ్ vs. క్లోజ్-టాక్ మైక్లు.
- పరికరాలు: స్మార్ట్ స్పీకర్లు, మొబైల్స్ (ఆండ్రాయిడ్/iOS), హెడ్సెట్లు, కార్ కిట్లు, ల్యాండ్లైన్లు.
- కంటెంట్ విధానాలు: అసభ్య పదజాలం, సున్నితమైన అంశాలు, ప్రాప్యత సంకేతాలు (నత్తిగా మాట్లాడటం, డైసార్థ్రియా) సముచితం మరియు అనుమతించబడిన చోట.
మీకు ఎంత డేటా అవసరం?
ఒకే సంఖ్య లేదు, కానీ కవరేజ్ ముడి గంటలను అధిగమిస్తుంది. కొంతమంది సహకారుల నుండి అల్ట్రా-లాంగ్ టేక్ల కంటే స్పీకర్లు, పరికరాలు మరియు అకౌస్టిక్స్ యొక్క వెడల్పుకు ప్రాధాన్యత ఇవ్వండి. కమాండ్-అండ్-కంట్రోల్ కోసం, వందలాది స్పీకర్లలో వేలాది ఉచ్చారణలు తరచుగా తక్కువ, పొడవైన రికార్డింగ్లను అధిగమిస్తాయి. సంభాషణాత్మక ASR కోసం, గంటలు × వైవిధ్యం మరియు జాగ్రత్తగా వ్యాఖ్యానించడంలో పెట్టుబడి పెట్టండి.
ప్రస్తుత ప్రకృతి దృశ్యం: వందల వేల గంటల శిక్షణ పొందిన ఓపెన్-సోర్స్ మోడల్లు (ఉదా., విస్పర్) బలమైన బేస్లైన్ను నిర్దేశిస్తాయి; మీ డేటాతో డొమైన్, యాస మరియు శబ్ద అనుసరణ ఇప్పటికీ ఉత్పత్తి కొలమానాలను కదిలిస్తాయి.
సేకరణ: దశలవారీ వర్క్ఫ్లో
1. నిజమైన వినియోగదారు ఉద్దేశ్యం నుండి ప్రారంభించండి
ప్రాంప్ట్లు మరియు దృశ్యాలను రూపొందించడానికి నా శోధన లాగ్లు, మద్దతు టిక్కెట్లు, IVR ట్రాన్స్క్రిప్ట్లు, చాట్ లాగ్లు మరియు ఉత్పత్తి విశ్లేషణలు. లేకపోతే మీరు కోల్పోయే లాంగ్-టెయిల్ ఉద్దేశాలను మీరు కవర్ చేస్తారు.
2. వైవిధ్యాన్ని దృష్టిలో ఉంచుకుని డ్రాఫ్ట్ ప్రాంప్ట్లు & స్క్రిప్ట్లు
- కనీస జతలను వ్రాయండి (“లివింగ్ రూమ్ లైట్ ఆన్ చేయి” vs. “స్విచ్ ఆన్ చేయి…”).
- విత్తన విసర్జనలు ("ఉహ్, మీరు చేయగలరా...") మరియు సంబంధితమైతే కోడ్-మార్పిడి.
- అలసటను నివారించడానికి రీడ్ సెషన్లను ~15 నిమిషాలకు పరిమితం చేయండి; క్లీన్ సెగ్మెంటేషన్ కోసం పంక్తుల మధ్య 2–3 సెకన్ల ఖాళీలను చొప్పించండి (మీ అసలు మార్గదర్శకానికి అనుగుణంగా).
3. సరైన స్పీకర్లను నియమించుకోండి
మార్కెట్ మరియు న్యాయమైన లక్ష్యాలకు అనుగుణంగా జనాభా వైవిధ్యాన్ని లక్ష్యంగా చేసుకోండి. అర్హత, కోటాలు మరియు సమ్మతిని నమోదు చేయండి. న్యాయంగా పరిహారం ఇవ్వండి.
4. వాస్తవిక పరిస్థితులలో రికార్డ్ చేయండి
స్పీకర్లు × పరికరాలు × పరిసరాలు అనే మాతృకను సేకరించండి.
ఉదాహరణకి:
- పరికరాలు: ఐఫోన్ మిడ్-టైర్, ఆండ్రాయిడ్ లో-టైర్, స్మార్ట్ స్పీకర్ ఫార్-ఫీల్డ్ మైక్.
- ఎన్విరాన్మెంట్స్: నిశ్శబ్ద గది (పొలానికి దగ్గరగా), వంటగది (ఉపకరణాలు), కారు (హైవే), వీధి (ట్రాఫిక్).
- ఆకృతులు: ASR కి 16 kHz / 16-bit PCM సాధారణం; మీరు డౌన్ శాంపిల్ చేయాలనుకుంటే అధిక రేట్లను పరిగణించండి.
5. వైవిధ్యాన్ని ప్రేరేపించండి (ఉద్దేశపూర్వకంగా)
సహజ వేగం, స్వీయ-దిద్దుబాట్లు మరియు అంతరాయాలను ప్రోత్సహించండి. దృశ్య-ఆధారిత మరియు సహజ డేటా కోసం, అతిగా శిక్షణ ఇవ్వకండి; మీ కస్టమర్లు ఉత్పత్తి చేసే గజిబిజిని మీరు కోరుకుంటారు.
6. హైబ్రిడ్ పైప్లైన్తో లిప్యంతరీకరించండి
- బలమైన బేస్లైన్ మోడల్తో (ఉదా., విస్పర్ లేదా మీ ఇంట్లో) ఆటో-లిప్యంతరీకరణ చేయండి.
- దిద్దుబాట్లు, డైరైజేషన్ మరియు ఈవెంట్ల కోసం మానవ QA (నవ్వు, పూరక పదాలు).
- స్థిరత్వ తనిఖీలు: స్పెల్లింగ్ నిఘంటువులు, డొమైన్ నిఘంటువులు, విరామ చిహ్నాల విధానం.
7. బాగా విభజించండి; నిజాయితీగా పరీక్షించండి
- స్పీకర్ మరియు దృశ్య డిస్జాయింట్నెస్తో రైలు/డెవలప్మెంట్/టెస్ట్ (లీకేజీని నివారించండి).
- ఉత్పత్తి శబ్దం మరియు పరికరాలను ప్రతిబింబించే వాస్తవ ప్రపంచ బ్లైండ్ సెట్ను ఉంచండి; పునరావృతం సమయంలో దానిని తాకవద్దు.
వ్యాఖ్యానం: లేబుల్లను మీ కందకంగా చేసుకోండి
స్పష్టమైన స్కీమాను నిర్వచించండి
- లెక్సికల్ నియమాలు: సంఖ్యలు (“ఇరవై ఐదు” vs. “25”), సంక్షిప్తాలు, విరామ చిహ్నాలు.
- సంఘటనలు: [నవ్వు], [క్రాస్స్టాక్], [వినబడనిది: 00:03.2–00:03.7].
- డైరైజేషన్: స్పీకర్ A/B లేబుల్లు లేదా ట్రాక్ చేయబడిన IDలను అనుమతించిన చోట.
- టైమ్స్టాంప్లు: మీరు శోధన, ఉపశీర్షికలు లేదా అమరికకు మద్దతు ఇస్తే పదం లేదా పదబంధ స్థాయి.
వ్యాఖ్యానకర్తలకు శిక్షణ ఇవ్వండి; వాటిని కొలవండి
గోల్డ్ టాస్క్లు మరియు ఇంటర్-అనోటేటర్ అగ్రిమెంట్ (IAA) ఉపయోగించండి. కీలకమైన టోకెన్లు (ఉత్పత్తి పేర్లు, మందులు) మరియు టర్నరౌండ్ సమయాలపై ఖచ్చితత్వం/రీకాల్ను ట్రాక్ చేయండి. మోడల్ ఎవాల్యుయేషన్ స్థిరత్వంలో మల్టీ-పాస్ QA (పీర్ రివ్యూ → లీడ్ రివ్యూ) తరువాత ఫలితం ఇస్తుంది.
నాణ్యత నిర్వహణ: మీ డేటా సరస్సును రవాణా చేయవద్దు
- ఆటోమేటెడ్ స్క్రీన్లు: క్లిప్పింగ్, క్లిప్పింగ్ నిష్పత్తి, SNR సరిహద్దులు, దీర్ఘ నిశ్శబ్దాలు, కోడెక్ అసమతుల్యతలు.
- మానవ ఆడిట్లు: పర్యావరణం మరియు పరికరం ద్వారా యాదృచ్ఛిక నమూనాలు; డైరైజేషన్ మరియు విరామ చిహ్నాలను స్పాట్ చెక్ చేయండి.
- వెర్షన్ చేయడం: డేటాసెట్లను కోడ్—సెమ్వర్, చేంజ్లాగ్లు మరియు మార్పులేని పరీక్ష సెట్ల వలె పరిగణించండి.
మీ ASR ని మూల్యాంకనం చేయడం: ఒకే WER దాటి
WER ను మొత్తం మీద మరియు ముక్కల వారీగా కొలవండి:
- పర్యావరణం ద్వారా: నిశ్శబ్దం vs. కారు vs. వీధి
- పరికరం ద్వారా: తక్కువ స్థాయి ఆండ్రాయిడ్ వర్సెస్ ఐఫోన్
- యాస/స్థానికం ద్వారా: en-IN vs. en-US
- డొమైన్ నిబంధనల ప్రకారం: ఉత్పత్తి పేర్లు, మందులు, చిరునామాలు
మీరు రియల్-టైమ్ UX కి శక్తినిస్తే జాప్యం, పాక్షిక ప్రవర్తన మరియు ఎండ్పాయింటింగ్ను ట్రాక్ చేయండి. మోడల్ పర్యవేక్షణ కోసం, WER అంచనా మరియు ఎర్రర్ డిటెక్షన్పై పరిశోధన ప్రతిదీ లిప్యంతరీకరించకుండా మానవ సమీక్షకు ప్రాధాన్యత ఇవ్వడంలో సహాయపడుతుంది.
బిల్డ్ vs. కొనండి (లేదా రెండూ): మీరు కలపగల డేటా మూలాలు
1. అందుబాటులో ఉన్న కేటలాగ్లు
బూట్స్ట్రాపింగ్ మరియు ప్రీట్రైనింగ్ కోసం ఉపయోగపడుతుంది, ముఖ్యంగా భాషలు లేదా స్పీకర్ వైవిధ్యాన్ని త్వరగా కవర్ చేయడానికి.
2. కస్టమ్ డేటా సేకరణ
డొమైన్, అకౌస్టిక్ లేదా లొకేల్ అవసరాలు నిర్దిష్టంగా ఉన్నప్పుడు, మీరు లక్ష్య WERను ఎలా ఢీకొంటారో అది కస్టమ్ అవుతుంది. మీరు ప్రాంప్ట్లు, కోటాలు, పరికరాలు మరియు QAని నియంత్రిస్తారు.
3. డేటాను తెరవండి (జాగ్రత్తగా)
ప్రయోగానికి గొప్పది; లైసెన్స్ అనుకూలత, PII భద్రత మరియు మీ వినియోగదారులకు సంబంధించి పంపిణీ మార్పుపై అవగాహనను నిర్ధారించండి.
భద్రత, గోప్యత మరియు సమ్మతి
- స్పష్టమైన సమ్మతి మరియు పారదర్శక సహకారి నిబంధనలు
- తగిన చోట గుర్తింపు తొలగింపు/అనామకీకరణ
- జియో-ఫెన్స్డ్ నిల్వ మరియు యాక్సెస్ నియంత్రణలు
- నియంత్రణ సంస్థలు లేదా ఎంటర్ప్రైజ్ కస్టమర్ల కోసం ఆడిట్ ట్రయల్స్
వాస్తవ ప్రపంచ అనువర్తనాలు (నవీకరించబడ్డాయి)
- వాయిస్ శోధన & ఆవిష్కరణ: పెరుగుతున్న వినియోగదారుల సంఖ్య; మార్కెట్ మరియు వినియోగ సందర్భాన్ని బట్టి స్వీకరణ మారుతుంది.
- స్మార్ట్ హోమ్ & పరికరాలు: నెక్స్ట్-జెన్ అసిస్టెంట్లు మరింత సంభాషణాత్మక, బహుళ-దశల అభ్యర్థనలకు మద్దతు ఇస్తాయి - సుదూర, ధ్వనించే గదులకు శిక్షణ డేటా నాణ్యతపై బార్ను పెంచుతాయి.
- వినియోగదారుని మద్దతు: డైయరైజేషన్ మరియు ఏజెంట్ సహాయంతో షార్ట్-టర్న్, డొమైన్-హెవీ ASR.
- ఆరోగ్య సంరక్షణ ఆదేశాలు: నిర్మాణాత్మక పదజాలం, సంక్షిప్తాలు మరియు కఠినమైన గోప్యతా నియంత్రణలు.
- కారులో వాయిస్: ఫార్-ఫీల్డ్ మైక్రోఫోన్లు, మోషన్ శబ్దం మరియు భద్రతా-క్లిష్టమైన జాప్యం.
మినీ కేస్ స్టడీ: బహుభాషా కమాండ్ డేటా ఎట్ స్కేల్
ఆన్-డివైస్ కమాండ్లను పవర్ చేయడానికి గ్లోబల్ OEMకి టైర్-1 మరియు టైర్-2 భాషలలో ఉచ్చారణ డేటా (3–30 సెకన్లు) అవసరం. బృందం:
- మేల్కొలుపు పదాలు, నావిగేషన్, మీడియా మరియు సెట్టింగ్లను కవర్ చేసే రూపకల్పన చేసిన ప్రాంప్ట్లు
- పరికర కోటాలతో ప్రతి లొకేల్కు రిక్రూట్ చేయబడిన స్పీకర్లు
- నిశ్శబ్ద గదులు మరియు సుదూర వాతావరణాలలో సంగ్రహించబడిన ఆడియో
- డెలివరీ చేయబడిన JSON మెటాడేటా (పరికరం, SNR, లొకేల్, లింగం/వయస్సు బకెట్) మరియు ధృవీకరించబడిన ట్రాన్స్క్రిప్ట్లు
ఫలితం: డొమైన్లోని ఆదేశాలపై వేగవంతమైన మోడల్ పునరావృతం మరియు కొలవగల WER తగ్గింపును ప్రారంభించే ఉత్పత్తికి సిద్ధంగా ఉన్న డేటాసెట్.
సాధారణ ఆపదలు (మరియు పరిష్కారాలు)
- చాలా గంటలు, తగినంత కవరేజ్ లేదు: స్పీకర్/పరికరం/పర్యావరణ కోటాలను సెట్ చేయండి.
- లీకీ ఎవాల్యుయేషన్: స్పీకర్-డిజాయింట్ స్ప్లిట్లను అమలు చేయండి మరియు నిజంగా బ్లైండ్ టెస్ట్.
- ఉల్లేఖన డ్రిఫ్ట్: కొనసాగుతున్న QAని అమలు చేయండి మరియు నిజమైన ఉదాహరణలతో మార్గదర్శకాలను రిఫ్రెష్ చేయండి.
- అంచు మార్కెట్లను విస్మరించడం: కోడ్-స్విచ్చింగ్, ప్రాంతీయ యాసలు మరియు తక్కువ వనరులు ఉన్న లొకేల్స్ కోసం లక్ష్య డేటాను జోడించండి.
- ఆలస్యంగా వచ్చే ఆశ్చర్యకరమైనవి: లక్ష్య పరికరాల్లో ముందుగానే మీ ఆడియోతో ప్రొఫైల్ మోడల్లు.
ఆఫ్-ది-షెల్ఫ్ vs. కస్టమ్ డేటాను ఎప్పుడు ఉపయోగించాలి
భాషా కవరేజీని త్వరగా బూట్స్ట్రాప్ చేయడానికి లేదా విస్తృతం చేయడానికి ఆఫ్-ది-షెల్ఫ్ను ఉపయోగించండి; మీ డొమైన్లో WER పీఠభూమిలు ఏర్పడిన వెంటనే కస్టమ్కు మారండి. చాలా జట్లు కలిసిపోతాయి: కేటలాగ్ గంటలపై ప్రీట్రైన్/ఫైన్-ట్యూన్ చేయండి, ఆపై మీ ప్రొడక్షన్ ఫన్నెల్ను ప్రతిబింబించే బెస్పోక్ డేటాతో అనుకూలీకరించండి.
చెక్లిస్ట్: సేకరించడానికి సిద్ధంగా ఉన్నారా?
- ఉపయోగ సందర్భం, విజయ కొలమానాలు, నిర్వచించబడిన పరిమితులు
- స్థానికాలు, పరికరాలు, పరిసరాలు, కోటాలు ఖరారు చేయబడ్డాయి
- సమ్మతి + గోప్యతా విధానాలు డాక్యుమెంట్ చేయబడ్డాయి
- ప్రాంప్ట్ ప్యాక్లు (స్క్రిప్ట్ + దృశ్యం) సిద్ధం చేయబడ్డాయి
- ఉల్లేఖన మార్గదర్శకాలు + QA దశలు ఆమోదించబడ్డాయి
- శిక్షణ/డెవలప్/టెస్ట్ స్ప్లిట్ నియమాలు (స్పీకర్- మరియు సినారియో-డిస్జాయింట్)
- ప్రయోగానంతర చలనం కోసం పర్యవేక్షణ ప్రణాళిక
కీ టేకావేస్
- కవరేజ్ గంటలను మించిపోతుంది. ఎక్కువ నిమిషాలు వెతుకుతున్న ముందు స్పీకర్లు, పరికరాలు మరియు వాతావరణాలను సమతుల్యం చేసుకోండి.
- నాణ్యమైన సమ్మేళనాలను లేబులింగ్ చేయడం. స్పష్టమైన స్కీమా + బహుళ-దశ QA సింగిల్-పాస్ సవరణలను అధిగమిస్తాయి.
- స్లైస్ ద్వారా మూల్యాంకనం చేయండి. యాస, పరికరం మరియు శబ్దం ద్వారా WER ను ట్రాక్ చేయండి; అక్కడే ఉత్పత్తి ప్రమాదం దాగి ఉంటుంది.
- డేటా మూలాలను బ్లెండ్ చేయండి. కేటలాగ్లు + కస్టమ్ అడాప్టేషన్తో బూట్స్ట్రాపింగ్ తరచుగా విలువకు వేగంగా ఉంటుంది.
- గోప్యత అనేది ఒక ఉత్పత్తి. మొదటి రోజు నుండే సమ్మతి, గుర్తింపు రద్దు మరియు ఆడిటబిలిటీని అమలు చేయండి.
షాయిప్ మీకు ఎలా సహాయం చేయగలడు
బెస్పోక్ స్పీచ్ డేటా కావాలా? Shaip కస్టమ్ కలెక్షన్, ఉల్లేఖన మరియు ట్రాన్స్క్రిప్షన్ అందిస్తుంది—మరియు స్పీకర్లు, పరికరాలు మరియు పరిసరాల ద్వారా జాగ్రత్తగా సమతుల్యం చేయబడిన 150+ భాషలు/వేరియంట్లలో ఆఫ్-ది-షెల్ఫ్ ఆడియో/ట్రాన్స్క్రిప్ట్లతో ఉపయోగించడానికి సిద్ధంగా ఉన్న డేటాసెట్లను అందిస్తుంది.
