AigizK/Homai-Wake-Word

Homai Wake Word

Аудиодатасет для обучения и оценки моделей поиска ключевого слова «Һомай» (wake-word / keyword spotting) в башкирской речи.

Структура

Датасет содержит один split train и ровно две колонки:

• audio — аудиозапись в формате WAV;
• label — строковая метка класса: Һомай или Similar.

Метка	Количество	Значение
Һомай	749	запись одобрена как произнесение ключевого слова
Similar	2 562	запись не входит в список одобренных и используется как похожий/отрицательный пример
Всего	3 311

Назначение

Основной сценарий использования — обучение бинарного классификатора или детектора ключевого слова «Һомай». Класс Similar собран из фонетически и лексически близких записей, не вошедших в список одобренных положительных примеров.

Загрузка

from datasets import load_dataset

dataset = load_dataset("AigizK/Homai-Wake-Word")

Формирование меток

Положительная метка Һомай назначена файлам, перечисленным в подготовленном списке homai_approved.csv. Всем остальным аудиофайлам корпуса назначена метка Similar. Имена и содержимое исходных WAV-файлов при публикации не изменялись.