mongolian nlp

此存儲庫將包含蒙古NLP有用的資源列表。隨時做出貢獻。

數據集

• DATASET 〜8小時蒙古TTS數據集：由中國內蒙古大學創建的MNTT
  • 申請條目
  • TTS模型的源代碼
  • 紙
• DATASET ljspeech，例如由蒙古聖經創建的男性語音TTS數據集
  • 用於tugstugi/pytorch-dc-tts
  • 使用dl_and_preprop_dataset.py下載音頻文件
• DATASET ljspeech，例如Kalmyk（西蒙古）女性語音TTS數據集，由Kalmyk聖經（2小時）創建
• DATASET 300小時Kalmyk合成STT數據集由語音轉換模型創建
  • 每個WAV都有由Kalmyk書籍創建的不同文本
  • 源聲音是Kalmyk聖經女性TTS
  • 目標聲音來自VCTK數據集
  • 示例WAV：https：//twitter.com/tugstugi/status/1409111296897912835
• Bolorsoft LLC提供的數據集Eduge新聞分類數據DATASET
  • 用於訓練Eduge.mn生產新聞分類器
  • 75K新聞有9個類別технологи урлаг соёл ulem loomistem боловсрол байгал орчин спорт улс төр хууль эдийн засаг эрүүл мэнд
• DATASET 11-11.MN政府機構投訴數據集
  • 80k具有5個類別： санал хүсэлт ， гомдол ， шүүмжлэл талархал ，cтл өргөдөл
• DATASET在線新聞語料庫
  • 7億個單詞
• 大英圖書館1995年蒙古報紙的數據集數字DATASET
• 常見的爬蒙古數據集
• opendata.burtgel.gov.mn
  • DATASET 220k蒙古人名稱
  • DATASET 90K蒙古氏族/姓氏
  • DATASET 192K蒙古公司名稱
• DATASET蒙古省份（Aimags and Sums）名稱
• 蒙古的DATASET 195國家（帶有資本城市）名稱
• DATASET 250蒙古語中最常見的單詞，來自蒙古新聞，書籍和維基百科文章。 （總計6.70億個單詞 / 2m唯一單詞）。
  • 這些單詞也可以用作停止單詞。
• DATASET 500蒙古縮寫
• DATASET蒙古NER數據集由蒙古政治和體育新聞創建
  • Tugstugi註釋和ENOD使用Doccano註釋的10K句子
  • 4個類別LOCATION （6453/1753）， PERSON （2839/1698）， ORGANIZATION （4453/1970）和MISC （3716/2617）
• 蒙古國立大學蒙古POS數據DATASET
  • 100k單詞
  • 使用的POS標籤
• DATASET傳統蒙古合成OCR數據集由蒙古歌曲和詞典創建
  • 80k圖像
  • 沒有任何數據增強，用於增強數據，請使用諸如Ambovations之類的外部庫。
• DATASET傳統蒙古OCR數據集
  • 164631樣本，200人
• 蒙古科學技術大學手寫的蒙古西里爾人角色DATASET
  • 28x28灰度，350k圖像
  • 數據集說明
• 蒙古國立大學DATASET蒙古Wordnet
  • 26875個單詞，2979個光澤，23665 SYNSETS，213個例子
• DATASET蒙古彎曲形態來自Unimorph 4.0
  • 2085誘餌和14592彎曲（+詞素分割）
• 來自methynet的DATASET蒙古衍生物形態
  • 1410引液，1629個衍生和229個衍生後綴。
• DATASET多語言詞多語言關鍵字斑點數據集
  • 2200蒙古關鍵字，44000個音頻文件
  • 示例關鍵字：， байна ，бэл хаанаас ， сонирхож аав дүрслэх ，em ламын護， бэлдэж олов хуулиар чиглэсэн ， түүний
• DATASET小kalmyk文本語料庫
  • 報紙，詩歌等

蒙古文字到語音

• PYTORCH tugstugi/pytorch-dc-tts
  • DEMO COLAB在線演示
  • DATASET ljspeech，就像由蒙古聖經創建的男性語音數據集
• TF TUGSTUGI/TACOTRON-2 RAYHANE-MAMAH/TACOTRON-2適用於蒙古聖經數據集
  • DEMO COLAB在線演示
  • DEMO演講者改編的前蒙古總統埃爾貝多伊（Elbegdorj）的COLAB在線演示。經過5個小時蒙古聖經數據集訓練的Tacotron模型通過Elbegdorj的演講創建了10分鐘的數據集進行了微調。
• PYTORCH Chimege TTS演示
  • 1倍女性
  • NVIDIA/TACOTRON2 + NVIDIA/WAVEGLOW
• 蒙古國立大學的DEMO HMM TTS在線演示
  • 1x男性和2x女聲音
• DEMO還有另一個嗯？ tts在線演示，來自“ 12”
  • 演示服務器當前正在下降
  • 1x男性和1x女
  • 女性語音樣本
• SAMPLES tacotron2 tts ikon.mn的演示樣品
  • 1x女（35H）
  • NVIDIA/TACOTRON2 + NVIDIA/WAVEGLOW
• 基於DEMO HMM的TTS在線演示
  • 1倍女性
• 內蒙古大學和新加坡國立大學的DEMO MTL-TACOTRON TTS演示樣本
  • 1倍女性
• TF ttslr/montts內蒙古TTS培訓代碼
  • SAMPLES語音樣本
  • 內蒙古大學的DATASET SAMPLES
  • 數據集和驗證模型不可用
• TF Walker-Hyf/MNTTS Inner Mongolian TTS數據集和培訓代碼
  • SAMPLES語音樣本
  • 內蒙古大學的DATASET MNTT
  • Pretrained Model下載鏈接
  • 可以使用數據集和預算模型:)
• PRODUCT NVDA/HTS屏幕讀取器由盲人創新開發中心開發
  • 1x女（蒙古國立大學的聲音）
• PYTORCH/DEMO kalmyk tts demo kalmyk是俄羅斯說的蒙古語
  • 由卡爾米克聖經創建的數據集（2小時）
  • NVIDIA/TACOTRON2 + NVIDIA/WAVEGLOW
• silero kalmyk的PYTORCH/DEMO kalmyk tts tts演示是俄羅斯說的蒙古語言
  • Snakers4/Silero模型

蒙古語模型

• MODEL在670m單詞Dirty語料庫上生成的5克二進制LM。
  • 它可以與mozilla/deepspeech一起使用： ./generate_trie alphabet.txt mn_5gram.binary trie
  • 或在tugstugi/蒙古語音識別中
• TF / PYTORCH tugstugi /蒙古 - 伯特審計的蒙古伯特模型
  • 由Tugstugi，Enod和Sharavsambuu培訓
  • 納巴爾贊助了5倍TPU。
• PYTORCH Bayartsogt-ya/Albert-Mongolian審計的蒙古Albert
• PYTORCH Robertritz/NLP ULMFIT實驗
• PYTORCH huggingface.co/bayartsogt/mongolian-gpt2蒙古GPT-2型號
• PYTORCH huggingface.co/bayartsogt/mongolian-Roberta-bas-base蒙古羅伯塔基本模型

蒙古言語認可

• PYTORCH tugstugi/蒙古語音識別
  • DEMO語音識別
  • 使用專有數據集
• 來自Aicloud.com的中文和傳統蒙古語音PRODUCT
  • 直接鏈接到APK文件
  • 似乎僅適用於簡單案例（或僅適用於南部蒙古方言...）
  • 相同的系統，但對於Windows（根據某人，您必須使用中文身份證進行註冊才能使用它）
• DEMO內蒙古大學的語音認可
  • 似乎是非實用的
• PRODUCT華為雲ASR支持諸如蒙古，藏語和烏格爾等少數族裔語言。
• PRODUCT Google Cloud語音到文本
  • 在3000音頻私人測試數據集上20％
• PYTORCH Wav2Vec2 XLSR在蒙古人的聲音上
  • DEMO COLAB在線演示
  • 50％
• PYTORCH Wav2Vec2 XLSR在Kalmyk數據集上訓練
  • 在500小時的Kalmyk電視錄音和1000小時的蒙古語音識別數據集進行了預處理
  • 在300小時的綜合Kalmyk Stt數據集由語音轉換創建
  • 50％的私人測試套裝，由Kalmyk電視唱片創建，在乾淨的語音錄音上，它的效果應該較低
  • DEMO https://huggingface.co/tugstugi/wav2vec2-large-xlsr-53-kalmyk
• TF coqui.ai蒙古演講識別受過蒙古commonvoice的訓練
  • 90.08％wer

蒙古劇本

• DEMO Demo Cyrillic
• 內蒙古大學的DEMO蒙古劇本OCR演示
• PYTORCH tugstugi/bichig2cyrillic蒙古腳本（和背）西里爾轉換器
  • DEMO西里爾與蒙古山地座在線演示
• PYTORCH tugstugi/image2bichig使用CRNN傳統的蒙古OCR
  • DEMO OCR COLAB在線演示
  • DATASET傳統蒙古合成OCR數據集

蒙古文字分類

• TF2 Sharavsambuu/蒙古文本分類
• SKLEARN / DEMO簡單的SVM COLAB筆記本，以約91％的精度對Eduge數據集進行分類。
  • 來自Tugstugi/蒙古語的句子模型被用作文本令牌。

蒙古人命名實體認可

• DATASET蒙古NER數據集由蒙古政治和體育新聞創建
  • 有關更多信息，請參見數據集
• PYTORCH enod/蒙古 - 伯特納·伯特（Mongolian-Bert-Ner Bert
  • 使用tugstugi/蒙古 - 蒙古蒙古預培訓的伯特模型
• 蒙古國立大學的DEMO演示

雜項

• 使用PYTORCH -Mamah/Tacotron-2和ReadBeyond/ReadBeyond/Aeneas
  • DEMO COLAB在線演示
• TF2西里爾音譯colab筆記本
• DATASET 1M反翻譯Mn-> en句子數據集下載鏈接
  • Sharavsambuu/英語 - 蒙古-NMT-DATASET-EAKINTAMTY
• DICTIONARY蒙古數字化詞典來自日本東北亞洲中心中心
  • 有關用法，請參見數字化蒙古語：多語言的介紹“在線詞典和蒙古語和書面的全文搜索”
  • 它還包括蒙古單詞的IPA發音