CoolFace
23 shown

datasets

Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.

modalityAllTextImageAudioTabularVideo
taskAllText generationQuestion answeringImage classificationSpeech
sizeAllUnder 1K1K – 10K100K – 1M1M – 10M
formatAllParquetJSONCSVWebDataset
sortTrendingMost likedMost usedRecently updatedNewest
Clear all
01Reza2kn /visualears-persian-asr-16k 🗂️ visualears-persian-asr-16k English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Main public Persian ASR audio/text dataset: 3.93M 16 kHz rows. مجموعه‌دادهٔ اصلی و عمومی شنوا برای آموزش بازشناسی گفتار فارسی؛ شامل صوت ۱۶ کیلوهرتز، متن و فرادادهٔ منشأ در مقیاس چندمیلیونی. 🧩 Role flagship training corpus پیکرهٔ اصلی آموزش 📦 Snapshot 176 files; approximately 512.17 GB 176… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-persian-asr-16k.audio1M<n<10M1 likes555 downloads2mo agoHugging Face02Reza2kn /visualears-115m-pref350-curriculum-relabels 🗂️ visualears-115m-pref350-curriculum-relabels English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose 115M relabel/curriculum dataset. بازبرچسب‌گذاری‌ها و برنامهٔ درسی ویژهٔ مدل ۱۱۵ میلیونی با تنظیمات ترجیحی پروژه. 🧩 Role training-pipeline and curriculum asset مصنوع خط لوله و برنامهٔ درسی آموزش 📦 Snapshot 65 files; approximately 1.49 GB 65 فایل؛ حدود 1.49 GB 🧱… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-115m-pref350-curriculum-relabels.1 likes491 downloads2mo agoHugging Face03Reza2kn /visualears-hardword-sentences 🗂️ visualears-hardword-sentences English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Hard-word sentence dataset used for semantic/keyword stress cases. جمله‌های دارای واژه‌های دشوار و معنایی برای آزمون تنش واژگانی، بازیابی کلیدواژه و S³. 🧩 Role Persian text and linguistic asset مصنوع متنی و زبانی فارسی 📦 Snapshot 266 files; approximately 39.23 GB 266 فایل؛ حدود 39.23… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-hardword-sentences.audio100K<n<1M2 likes344 downloads2mo agoHugging Face04Reza2kn /visualears-bench-results 🗂️ visualears-bench-results English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Benchmark result dataset and leaderboard artifacts. داده‌ها و مصنوعات نتایج بنچمارک برای نگه‌داری خروجی مدل‌ها، امتیازها و منشأ اجرای ارزیابی. 🧩 Role evaluation and benchmarking asset مصنوع ارزیابی و بنچمارک 📦 Snapshot 4 files; approximately 51.61 KB 4 فایل؛ حدود 51.61 KB 🧱 Packaging 0… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-bench-results.tabularn<1K0 likes243 downloads3d agoHugging Face05Reza2kn /visualears-golden-6669 🗂️ visualears-golden-6669 English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Held-out VisualEars6669 / Golden6669 evaluation dataset. مجموعهٔ ارزیابی نگه‌داشته‌شدهٔ Golden6669 با شرایط پاک، دورمیدان و مسدود برای سنجش واقع‌گرایانهٔ ASR فارسی. 🧩 Role evaluation and benchmarking asset مصنوع ارزیابی و بنچمارک 📦 Snapshot 13 files; approximately 916.66 MB 13 فایل؛ حدود… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-golden-6669.audioautomatic-speech-recognition1K<n<10K1 likes206 downloads2mo agoHugging Face06Reza2kn /visualears-al-32mv2-audio 🗂️ visualears-al-32mv2-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose 32M v2 active-learning audio dataset. نسخهٔ دوم صف یادگیری فعال مدل ۳۲ میلیونی با انتخاب‌های به‌روز‌شده. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 3,004 files; approximately 443.66 MB 3,004 فایل؛ حدود 443.66 MB 🧱 Packaging 0 Parquet… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-al-32mv2-audio.audio1K<n<10K1 likes191 downloads2mo agoHugging Face07Reza2kn /visualears-al-114m-audio 🗂️ visualears-al-114m-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose 114M active-learning audio dataset. نمونه‌های صوتی یادگیری فعال انتخاب‌شده با مدل ۱۱۴ میلیونی شنوا. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 3,004 files; approximately 504.53 MB 3,004 فایل؛ حدود 504.53 MB 🧱 Packaging 0 Parquet files and… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-al-114m-audio.audio1K<n<10K1 likes132 downloads2mo agoHugging Face08Reza2kn /visualears-al-32m-audio 🗂️ visualears-al-32m-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose 32M active-learning audio dataset. نمونه‌های صوتی یادگیری فعال انتخاب‌شده با مدل ۳۲ میلیونی شنوا. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 3,004 files; approximately 447.99 MB 3,004 فایل؛ حدود 447.99 MB 🧱 Packaging 0 Parquet files and 3… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-al-32m-audio.audio1K<n<10K1 likes124 downloads2mo agoHugging Face09Reza2kn /visualears-al-phaseB2-audio 🗂️ visualears-al-phaseB2-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Phase B2 active-learning audio dataset. صف صوتی یادگیری فعال فاز B2 برای بازبینی، اصلاح و ادامهٔ آموزش هدفمند. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 4,528 files; approximately 173.42 MB 4,528 فایل؛ حدود 173.42 MB 🧱 Packaging 0… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-al-phaseB2-audio.audio1K<n<10K1 likes118 downloads2mo agoHugging Face10Reza2kn /visualears-uncertain-review-audio 🗂️ visualears-uncertain-review-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Uncertain-review active-learning audio queue. صف بازبینی نمونه‌های نامطمئن برای تشخیص خطا، اصلاح برچسب و جلوگیری از ورود دادهٔ کم‌اعتماد. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 348 files; approximately 35.98 MB 348 فایل؛ حدود… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-uncertain-review-audio.0 likes90 downloads2mo agoHugging Face11Reza2kn /visualears-nonpersian-review-audio 🗂️ visualears-nonpersian-review-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Non-Persian review/filtering audio dataset. صف کنترل زبان برای شناسایی و جداسازی صوت‌های غیرفارسی یا مشکوک. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 528 files; approximately 31.70 MB 528 فایل؛ حدود 31.70 MB 🧱 Packaging 0… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-nonpersian-review-audio.0 likes73 downloads2mo agoHugging Face12Reza2kn /visualears-cutverify-audio 🗂️ visualears-cutverify-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Cut verification audio dataset. نمونه‌های صوتی ویژهٔ کنترل مرز برش، کامل‌بودن گفتار و هم‌ترازی قطعه با متن. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 603 files; approximately 35.82 MB 603 فایل؛ حدود 35.82 MB 🧱 Packaging 0 Parquet files… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-cutverify-audio.0 likes67 downloads2mo agoHugging Face13Reza2kn /visualears-pseudo-clean-train 🗂️ visualears-pseudo-clean-train English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Pseudo-clean training dataset used in the de-poisoning/data pipeline. بخش آموزشی شبه‌پاک که برای کاهش آلودگی برچسب‌ها و مقاوم‌تر کردن آموزش استفاده شده است. 🧩 Role training-pipeline and curriculum asset مصنوع خط لوله و برنامهٔ درسی آموزش 📦 Snapshot 4 files; approximately 722.78 MB 4… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-pseudo-clean-train.text1M<n<10M1 likes66 downloads2mo agoHugging Face14Reza2kn /visualears-persian-pseudo-asraudio1M<n<10M0 likes60 downloads3mo agoHugging Face15Reza2kn /visualears-benchmark-269-gold 🗂️ visualears-benchmark-269-gold English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose 269-record gold/noisy benchmark dataset. معیار طلایی ۲۶۹ نمونه‌ای برای بررسی سریع خطاهای گفتار نویزی و مقایسهٔ نسخه‌های مدل. 🧩 Role evaluation and benchmarking asset مصنوع ارزیابی و بنچمارک 📦 Snapshot 276 files; approximately 44.35 MB 276 فایل؛ حدود 44.35 MB 🧱 Packaging 1 Parquet… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-benchmark-269-gold.audioautomatic-speech-recognitionn<1K1 likes59 downloads2mo agoHugging Face16Reza2kn /visualears-active-learning-669-audio 🗂️ visualears-active-learning-669-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Active-learning correction audio dataset. صوت‌های انتخاب‌شده برای اصلاح فعال؛ مناسب بازبینی انسانی و افزودن نمونه‌های آموزنده به چرخهٔ آموزش. 🧩 Role active-learning and human-review asset مصنوع یادگیری فعال و بازبینی انسانی 📦 Snapshot 671 files; approximately 11.13 MB 671 فایل؛… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-active-learning-669-audio.1 likes59 downloads2mo agoHugging Face17Reza2kn /visualears-telephooney-calibration-audio 🗂️ visualears-telephooney-calibration-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Telephooney calibration audio dataset. دادهٔ کالیبراسیون گفتار تلفنی برای تشخیص کانال باریک‌باند و شرایط مخابراتی. 🧩 Role quality calibration and data-selection asset مصنوع کالیبراسیون کیفیت و انتخاب داده 📦 Snapshot 172 files; approximately 20.50 MB 172 فایل؛ حدود 20.50 MB… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-telephooney-calibration-audio.0 likes57 downloads2mo agoHugging Face18Reza2kn /visualears-full-pipeline-state 🗂️ visualears-full-pipeline-state English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Full pipeline state and curriculum data for Phase A/B. آرشیو وضعیت کامل خط لوله، برنامهٔ درسی و مصنوعات میانی فازهای A و B برای بازتولید مسیر آموزش. 🧩 Role training-pipeline and curriculum asset مصنوع خط لوله و برنامهٔ درسی آموزش 📦 Snapshot 72 files; approximately 6.28 GB 72 فایل؛… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-full-pipeline-state.1 likes41 downloads2mo agoHugging Face19Reza2kn /visualears-gold-32ktext10K<n<100K0 likes31 downloads3mo agoHugging Face20Reza2kn /visualears-crap-calibration-audio 🗂️ visualears-crap-calibration-audio English + فارسی · Part of Shenava 1.0 · Project hub · SLT paper submission 🌟 At a glance | معرفی سریع English فارسی 🎯 Purpose Data-quality / crap-detector calibration audio dataset. دادهٔ کالیبراسیون کیفیت برای آموزش و ارزیابی آشکارساز نمونه‌های خراب یا نامناسب. 🧩 Role quality calibration and data-selection asset مصنوع کالیبراسیون کیفیت و انتخاب داده 📦 Snapshot 183 files; approximately 10.44 MB 183 فایل؛… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-crap-calibration-audio.1 likes29 downloads2mo agoHugging Face21Reza2kn /visualears-corpus-transfer0 likes22 downloads3mo agoHugging Face22Reza2kn /visualears-fa-train-audio-16k VisualEars 115M FA training audio (16kHz mono FLAC) 3362186 clips packed into 89 tar shards (~5GB each), + NeMo manifests. Fast download + extract on a new cluster pip install -U huggingface_hub hf download Reza2kn/visualears-fa-train-audio-16k --repo-type dataset --local-dir DATA # add: --token $HF_TOKEN if private cd DATA && for t in audio/shard_*.tar; do tar xf "$t"; done # reconstructs pseudo_audio/, gold_*_audio/ Manifests in manifests/ use paths… See the full description on the dataset page: https://huggingface.co/datasets/Reza2kn/visualears-fa-train-audio-16k.text1M<n<10M0 likes16 downloads3mo agoHugging Face23Reza2kn /stallion-backup-visualears-onnx-quant-202607130 likes3 downloads2mo agoHugging Face

Listings come live from the Hugging Face Hub API. CoolFace does not host these files.