mongolian nlp

此存储库将包含蒙古NLP有用的资源列表。随时做出贡献。

数据集

• DATASET 〜8小时蒙古TTS数据集：由中国内蒙古大学创建的MNTT
  • 申请条目
  • TTS模型的源代码
  • 纸
• DATASET ljspeech，例如由蒙古圣经创建的男性语音TTS数据集
  • 用于tugstugi/pytorch-dc-tts
  • 使用dl_and_preprop_dataset.py下载音频文件
• DATASET ljspeech，例如Kalmyk（西蒙古）女性语音TTS数据集，由Kalmyk圣经（2小时）创建
• DATASET 300小时Kalmyk合成STT数据集由语音转换模型创建
  • 每个WAV都有由Kalmyk书籍创建的不同文本
  • 源声音是Kalmyk圣经女性TTS
  • 目标声音来自VCTK数据集
  • 示例WAV：https：//twitter.com/tugstugi/status/1409111296897912835
• Bolorsoft LLC提供的数据集Eduge新闻分类数据DATASET
  • 用于训练Eduge.mn生产新闻分类器
  • 75K新闻有9个类别технологи урлаг соёл ulem loomistem боловсрол байгал орчин спорт улс төр хууль эдийн засаг эрүүл мэнд
• DATASET 11-11.MN政府机构投诉数据集
  • 80k具有5个类别： санал хүсэлт ， гомдол ， шүүмжлэл талархал ，cтл өргөдөл
• DATASET在线新闻语料库
  • 7亿个单词
• 大英图书馆1995年蒙古报纸的数据集数字DATASET
• 常见的爬蒙古数据集
• opendata.burtgel.gov.mn
  • DATASET 220k蒙古人名称
  • DATASET 90K蒙古氏族/姓氏
  • DATASET 192K蒙古公司名称
• DATASET蒙古省份（Aimags and Sums）名称
• 蒙古的DATASET 195国家（带有资本城市）名称
• DATASET 250蒙古语中最常见的单词，来自蒙古新闻，书籍和维基百科文章。 （总计6.70亿个单词 / 2m唯一单词）。
  • 这些单词也可以用作停止单词。
• DATASET 500蒙古缩写
• DATASET蒙古NER数据集由蒙古政治和体育新闻创建
  • Tugstugi注释和ENOD使用Doccano注释的10K句子
  • 4个类别LOCATION （6453/1753）， PERSON （2839/1698）， ORGANIZATION （4453/1970）和MISC （3716/2617）
• 蒙古国立大学蒙古POS数据DATASET
  • 100k单词
  • 使用的POS标签
• DATASET传统蒙古合成OCR数据集由蒙古歌曲和词典创建
  • 80k图像
  • 没有任何数据增强，用于增强数据，请使用诸如Ambovations之类的外部库。
• DATASET传统蒙古OCR数据集
  • 164631样本，200人
• 蒙古科学技术大学手写的蒙古西里尔人角色DATASET
  • 28x28灰度，350k图像
  • 数据集说明
• 蒙古国立大学DATASET蒙古Wordnet
  • 26875个单词，2979个光泽，23665 SYNSETS，213个例子
• DATASET蒙古弯曲形态来自Unimorph 4.0
  • 2085诱饵和14592弯曲（+词素分割）
• 来自methynet的DATASET蒙古衍生物形态
  • 1410引液，1629个衍生和229个衍生后缀。
• DATASET多语言词多语言关键字斑点数据集
  • 2200蒙古关键字，44000个音频文件
  • 示例关键字：， байна ，бэл хаанаас ， сонирхож аав дүрслэх ，em ламын护， бэлдэж олов хуулиар чиглэсэн ， түүний
• DATASET小kalmyk文本语料库
  • 报纸，诗歌等

蒙古文字到语音

• PYTORCH tugstugi/pytorch-dc-tts
  • DEMO COLAB在线演示
  • DATASET ljspeech，就像由蒙古圣经创建的男性语音数据集
• TF TUGSTUGI/TACOTRON-2 RAYHANE-MAMAH/TACOTRON-2适用于蒙古圣经数据集
  • DEMO COLAB在线演示
  • DEMO演讲者改编的前蒙古总统埃尔贝多伊（Elbegdorj）的COLAB在线演示。经过5个小时蒙古圣经数据集训练的Tacotron模型通过Elbegdorj的演讲创建了10分钟的数据集进行了微调。
• PYTORCH Chimege TTS演示
  • 1倍女性
  • NVIDIA/TACOTRON2 + NVIDIA/WAVEGLOW
• 蒙古国立大学的DEMO HMM TTS在线演示
  • 1x男性和2x女声音
• DEMO还有另一个嗯？ tts在线演示，来自“ 12”
  • 演示服务器当前正在下降
  • 1x男性和1x女
  • 女性语音样本
• SAMPLES tacotron2 tts ikon.mn的演示样品
  • 1x女（35H）
  • NVIDIA/TACOTRON2 + NVIDIA/WAVEGLOW
• 基于DEMO HMM的TTS在线演示
  • 1倍女性
• 内蒙古大学和新加坡国立大学的DEMO MTL-TACOTRON TTS演示样本
  • 1倍女性
• TF ttslr/montts内蒙古TTS培训代码
  • SAMPLES语音样本
  • 内蒙古大学的DATASET SAMPLES
  • 数据集和验证模型不可用
• TF Walker-Hyf/MNTTS Inner Mongolian TTS数据集和培训代码
  • SAMPLES语音样本
  • 内蒙古大学的DATASET MNTT
  • Pretrained Model下载链接
  • 可以使用数据集和预算模型:)
• PRODUCT NVDA/HTS屏幕读取器由盲人创新开发中心开发
  • 1x女（蒙古国立大学的声音）
• PYTORCH/DEMO kalmyk tts demo kalmyk是俄罗斯说的蒙古语
  • 由卡尔米克圣经创建的数据集（2小时）
  • NVIDIA/TACOTRON2 + NVIDIA/WAVEGLOW
• silero kalmyk的PYTORCH/DEMO kalmyk tts tts演示是俄罗斯说的蒙古语言
  • Snakers4/Silero模型

蒙古语模型

• MODEL在670m单词Dirty语料库上生成的5克二进制LM。
  • 它可以与mozilla/deepspeech一起使用： ./generate_trie alphabet.txt mn_5gram.binary trie
  • 或在tugstugi/蒙古语音识别中
• TF / PYTORCH tugstugi /蒙古 - 伯特审计的蒙古伯特模型
  • 由Tugstugi，Enod和Sharavsambuu培训
  • 纳巴尔赞助了5倍TPU。
• PYTORCH Bayartsogt-ya/Albert-Mongolian审计的蒙古Albert
• PYTORCH Robertritz/NLP ULMFIT实验
• PYTORCH huggingface.co/bayartsogt/mongolian-gpt2蒙古GPT-2型号
• PYTORCH huggingface.co/bayartsogt/mongolian-Roberta-bas-base蒙古罗伯塔基本模型

蒙古言语认可

• PYTORCH tugstugi/蒙古语音识别
  • DEMO语音识别
  • 使用专有数据集
• 来自Aicloud.com的中文和传统蒙古语音PRODUCT
  • 直接链接到APK文件
  • 似乎仅适用于简单案例（或仅适用于南部蒙古方言...）
  • 相同的系统，但对于Windows（根据某人，您必须使用中文身份证进行注册才能使用它）
• DEMO内蒙古大学的语音认可
  • 似乎是非实用的
• PRODUCT华为云ASR支持诸如蒙古，藏语和乌格尔等少数族裔语言。
• PRODUCT Google Cloud语音到文本
  • 在3000音频私人测试数据集上20％
• PYTORCH Wav2Vec2 XLSR在蒙古人的声音上
  • DEMO COLAB在线演示
  • 50％
• PYTORCH Wav2Vec2 XLSR在Kalmyk数据集上训练
  • 在500小时的Kalmyk电视录音和1000小时的蒙古语音识别数据集进行了预处理
  • 在300小时的综合Kalmyk Stt数据集由语音转换创建
  • 50％的私人测试套装，由Kalmyk电视唱片创建，在干净的语音录音上，它的效果应该较低
  • DEMO https://huggingface.co/tugstugi/wav2vec2-large-xlsr-53-kalmyk
• TF coqui.ai蒙古演讲识别受过蒙古commonvoice的训练
  • 90.08％wer

蒙古剧本

• 演示西里尔DEMO Cyrillic
• 内蒙古大学的DEMO蒙古剧本OCR演示
• PYTORCH tugstugi/bichig2cyrillic蒙古脚本（和背）西里尔转换器
  • DEMO西里尔与蒙古山地座在线演示
• PYTORCH tugstugi/image2bichig使用CRNN传统的蒙古OCR
  • DEMO OCR COLAB在线演示
  • DATASET传统蒙古合成OCR数据集

蒙古文字分类

• TF2 Sharavsambuu/蒙古文本分类
• SKLEARN / DEMO简单的SVM COLAB笔记本，以约91％的精度对Eduge数据集进行分类。
  • 来自Tugstugi/蒙古语的句子模型被用作文本令牌。

蒙古人命名实体认可

• DATASET蒙古NER数据集由蒙古政治和体育新闻创建
  • 有关更多信息，请参见数据集
• PYTORCH enod/蒙古 - 伯特纳·伯特（Mongolian-Bert-Ner Bert
  • 使用tugstugi/蒙古 - 蒙古蒙古预培训的伯特模型
• 蒙古国立大学的DEMO演示

杂项

• 使用PYTORCH -Mamah/Tacotron-2和ReadBeyond/ReadBeyond/Aeneas
  • DEMO COLAB在线演示
• TF2西里尔音译colab笔记本
• DATASET 1M反翻译Mn-> en句子数据集下载链接
  • Sharavsambuu/英语 - 蒙古-NMT-DATASET-EAKINTAMTY
• DICTIONARY蒙古数字化词典来自日本东北亚洲中心中心
  • 有关用法，请参见数字化蒙古语：多语言的介绍“在线词典和蒙古语和书面的全文搜索”
  • 它还包括蒙古单词的IPA发音