తమిళ డేటాసెట్
తమిళ తరతొగుప్పు
ASR, TTS మరియు సంభాషణ AI కోసం తమిళ ప్రసంగ డేటాసెట్ల శక్తిని అన్లాక్ చేయండి. స్మార్ట్ లాంగ్వేజ్ మోడల్లకు శిక్షణ ఇవ్వడానికి Shaip ప్రీమియం తమిళ ఆడియో డేటాసెట్లను అందిస్తుంది.
అవలోకనం
శీర్షిక (భాష)
తమిళ భాషా డేటాసెట్
డేటాసెట్ రకాలు
కాల్ సెంటర్, జనరల్ సంభాషణ, మీడియా డేటా, స్క్రిప్ట్ చేయబడిన మోనోలాగ్
దేశం
భారతదేశం
వివరణ
ఈ డేటాసెట్లో స్క్రిప్ట్ లేని సింథటిక్ ఏజెంట్–కస్టమర్ సంభాషణలు (5–15 నిమిషాలు), సహజ మానవుని నుండి మానవునికి టెలిఫోనిక్ సంభాషణలు (15–60 నిమిషాలు) మరియు ట్రాన్స్క్రిప్షన్లతో కూడిన మీడియా డేటా ఉన్నాయి, ఇవి ప్రసంగం మరియు భాషా సాంకేతికతలకు శిక్షణ మరియు మూల్యాంకనం కోసం విభిన్న ప్రసంగ డేటాను అందిస్తాయి.
కేస్ ఉపయోగించండి
ASR, వర్చువల్ అసిస్టెంట్, చాట్బాట్, సంభాషణ AI, స్పీచ్ అనలిటిక్స్, TTS, లాంగ్వేజ్ మోడలింగ్
డేటా సెట్ వివరాలు
| డేటాసెట్ రకం | మాదిరి రేటు | స్పీకర్లు | ఛానల్ | మొత్తం గంటలు | మొత్తం స్పీకర్ల సంఖ్య |
|---|---|---|---|---|---|
| కాల్ సెంటర్ | 8 kHz | 2 స్పీకర్లు | ద్వంద్వ | 124:23:52 | 484 |
| కాల్ సెంటర్ | 16 kHz | 2 స్పీకర్లు | మోనో | 199:44:21 | 1,986 |
| సాధారణ సంభాషణ | 8 kHz | 2 స్పీకర్లు | ద్వంద్వ | 101:42:05 | 440 |
| సాధారణ సంభాషణ | 48 kHz | 2 స్పీకర్లు | మోనో | 80:21:16 | 141 |
| మీడియా డేటా | 16 kHz | బహుళ స్పీకర్లు | మోనో | 43:07:01 | 32 |
| స్క్రిప్ట్ మోనోలాగ్ | 24 kHz | సింగిల్ స్పీకర్ | మోనో | 500:00:00 | అభ్యర్థన మేరకు |
ఫీచర్ చేసిన క్లయింట్లు
ప్రపంచ ప్రముఖ AI ఉత్పత్తులను రూపొందించడానికి బృందాలకు అధికారం ఇవ్వడం.
మీరు వెతుకుతున్నది దొరకలేదా?
అన్ని డేటా రకాల్లో కొత్త ఆఫ్-ది-షెల్ఫ్ డేటాసెట్లు సేకరించబడుతున్నాయి
మీ ఆడియో/స్పీచ్ శిక్షణ డేటా సేకరణ చింతలను వదిలించుకోవడానికి ఇప్పుడే మమ్మల్ని సంప్రదించండి