be_nlp_speech_resources

بيلاروسيا NLP وموارد معالجة الكلام

يحتوي هذا المستودع على روابط إلى موارد ومجموعات بيانات اللغة الطبيعية والكلام.

إنه مستوحى من مشروع مماثل مع موارد معالجة الكلام الأوكرانية: egorsmkv/الكلام التعرف على

تودوس:

• إضافة أوصاف مفصلة إلى كل من عناصر القائمة
• تقييم النماذج على المعايير وتسجيل أدائها

؟ الكلام إلى النص

؟ التطبيقات

• تم تدريب WAV2VEC2 على نموذج لغة الصوت المشترك 8 + Kenlm مدرب على الصوت المشترك 8:

  • النموذج: ales/wav2vec2-cv-be
  • العرض التوضيحي: ales/wav2vec2-cv-be-lm
  • الكود: NAVALNICA/WAV2VEC2-Belarusian

• الهمس:

  • نماذج Openai/Whisper الأصلية
  • نماذج الهامس التي تم ضبطها على مجموعة بيانات البيلاروسية الصوتية 11:
    • الهمس صغير:
      • النموذج: ales/whisper-small-belarusian
      • اختبار على CommonVoice11: 6.79
      • العرض التوضيحي: ales/whisper-small-belarusian-demo
      • الكود: Navalnica/Whisper-finetuning-be
    • قاعدة الهمس:
      • النموذج: ales/whisper-base-belarusian
      • الكود: Navalnica/Whisper-finetuning-be

• نماذج Nvidia Nemo:

  • nvidia/stt_be_conformer_ctc_large
    • [مقياس Huggingface المبلغ الذاتي] اختبار WER على CommonVoice10: 4.8
  • nvidia/stt_be_conformer_transducer_large
    • [مقياس Huggingface المبلغ عنه ذاتيًا] اختبار على CommonVoice10: 3.8
  • nvidia/stt_be_fastconformer_hybrid_large_pc
    • [مقياس Huggingface المبلغ عنه ذاتيًا] اختبار على CommonVoice12: 2.72
    • [مقياس Huggingface المبلغ عنه ذاتيًا] اختبار wer p & c commonvoice12: 3.87

• ESPNET:

  • espnet/belarusian_commonvoice_blstm

؟ المعايير

مقارنات النماذج التي تم تجميعها بواسطة مجموعة البيانات. تودو

؟ مجموعات البيانات

• صوت مشترك. مجموعة بيانات التعرف على الكلام
• مجموعة البيانات من Knihi.com. TODO: ما هو نوع مجموعة البيانات؟
• Google/Fleurs
• SSRLAB: تودو. مجموعة بيانات التعرف على الكلام

---

؟ نص إلى كلام

؟ التطبيقات

• تطبيقات coquiai
  • JHlfrfufyfn/bel-tts. Glowtts + Hifigan
    • شفرة
    • نموذج
    • العرض التوضيحي على Luggingface
    • العرض التوضيحي على صفحة ويب مخصصة. رمز المصدر للصفحة التجريبية: هنا
  • Alex73/Belarusian-TTS. تنفيذ Coquiai بواسطة Yurii Paniv (@Robinhad).
    تم حذف النماذج الأصلية والموديلات - فقط الشوكة متوفرة الآن

---

NLP

نقاط البيع

• Koichiyasuoka/Roberta-Small-Belarusian upos
• Stanfordnlp/stanza-be
• poritski/yabc_tagger. POS-Tagger القائم على القواعد و lemmatizer.
  مكتوب في بيرل. يستخدم Poritski/YABC كقاعدة قواعد (؟)
• فولتشيك/الحزام. نسخة محسنة من Poritski/Yabc_tagger القائم على القواعد القائمة على القاعدة و lemmatizer.
  منصة العرض ، مكتوبة في C ++.
  القضايا المعروفة:
  • يتطلب انضمام بيانات الإدخال في Windows-1251 ، لا يدعم UTF-8 ؛
  • Tagset غير متوافقة بالكامل مع مجموعة العلامات وقاعدة قواعد BNKORPUS
  • قاعدة القواعد المستخدمة ليست ممتلئة بما فيه الكفاية. Belarus/Grammardb هو مصدر نماذج أفضل ولكنه لم يتم دمجه بعد
  • لا يتم نقل البرنامج النصي لحساب جدول اللاحقة من Perl إلى C ++
  • الكود يستخدم تعزيز libarary

آخر

• PKASILA/BEL -SKLONY - صفحة ويب مع انخفاض الأسماء البيلاروسية. Demo: Sklony.pkasila.net

نمذجة اللغة المقنعة

• Koichiyasuoka/Roberta-Small-Belarusian

مجموعات البيانات

• أوسكار
• MC4
• poritski/yabc - ээерыеمس
• Belarus/Grammardb - قاعدة بيانات القواعد اللغوية بلغة البيلاروسية
• Tsimafeip/مترجم - مجموعة بيانات مع أزواج ترجمة روسية -بلاروسية
• مجموعة بيانات التبعيات العالمية:
  • صفحة
  • مستودع جيثب
• جمل Tatoeba Belarusian

---

؟ ‍♀؟ المجتمعات والمنصات:

• كوربوس
• SSRLAB.BY
• bnkorpus.info
• منظمة بيلاروسيا على جيثب
• مجتمع nlproc.by على جيثب

---

؟ غير مصنفة

• لا شيء الآن