Datasets:
audio audioduration (s) 1.04 9.58 | transcription stringlengths 6 134 | duration float32 1.04 9.58 | up_votes int32 2 12 | down_votes int32 0 8 | age stringclasses 8
values | gender stringclasses 3
values | accent stringclasses 4
values |
|---|---|---|---|---|---|---|---|
Kosova başkentinswki yolcu sayısı arttı. | 3.096 | 2 | 0 | thirties | male_masculine | ||
Kamuoyu ikiye bölünmüş durumda. | 2.196 | 2 | 0 | ||||
Maria içeri girmiş, tren sessiz sedasız hareket etmişti. | 4.284 | 2 | 0 | fifties | male_masculine | ||
O da doğruldu, ayaklarını aşağıya salladı ve sırtına ince bir hırka aldı. | 5.292 | 2 | 0 | fifties | male_masculine | ||
Yüzünün bütün iptidai ve vahşi ifadesine rağmen acınacak bir tarafı vardı. | 5.58 | 2 | 0 | fifties | male_masculine | ||
Tekrar söze başladı. | 1.476 | 2 | 0 | fifties | male_masculine | ||
Mihriye hanım hastane lafını duyunca büsbütün kendini bıraktı. | 4.176 | 2 | 0 | fifties | male_masculine | ||
Yüklü eşeklerle sık sık gelip giden köylülerden, değirmenin işlek olduğu anlaşılıyordu. | 5.688 | 2 | 0 | fifties | male_masculine | ||
Başım dönüyordu, buna rağmen dimdik ayakta duruyor ve gülüyordum. | 4.392 | 2 | 0 | fifties | male_masculine | ||
Bana ver, hem ziyaret etmiş olurum dedim. | 2.7 | 2 | 0 | fifties | male_masculine | ||
Akşamüzeri Maria'yı hemen seyahate hazır bir şekilde görünce adamakıllı şaşırdım. | 5.472 | 2 | 0 | fifties | male_masculine | ||
Fakat işinize geç kalacaksınız! | 2.088 | 2 | 0 | fifties | male_masculine | ||
Uykuda bile olsa uyandırmak kararıyla, evinin yolunu tuttum. | 4.104 | 2 | 0 | fifties | male_masculine | ||
Sizi bırakmama imkân var mı? | 1.872 | 2 | 0 | fifties | male_masculine | ||
Kolumdan tuttu. | 1.296 | 2 | 0 | fifties | male_masculine | ||
Neden bana bu kadar dikkatli bakıyorsunuz? | 2.7 | 2 | 0 | fifties | male_masculine | ||
Vagonun sarsıntılarıyla kımıldayan başını görür gibi oluyordum. | 4.104 | 2 | 0 | fifties | male_masculine | ||
Oda henüz karanlıktı. | 1.584 | 2 | 0 | fifties | male_masculine | ||
Hasta zamanlarında da işini ihmal etmezdi. | 2.88 | 2 | 0 | fifties | male_masculine | ||
Onlarla aramda bir mesafe teşekkül etmişti. | 3.096 | 2 | 0 | fifties | male_masculine | ||
Bir gece için bu kadarı çoktu bile. | 2.376 | 2 | 0 | fifties | male_masculine | ||
Yalnız söyleyebilsem. | 1.692 | 2 | 0 | fifties | male_masculine | ||
Güzel Sanatlar Akademisi. | 1.692 | 2 | 0 | fifties | male_masculine | ||
Bir an evvel eve gidip yatağıma serilmek, derhal uyumak ve manasız vehimlerden kurtulmak istiyordum. | 6.696 | 2 | 0 | fifties | male_masculine | ||
Koluma girerek beni eve doğru sürükledi. | 2.484 | 2 | 0 | fifties | male_masculine | ||
Böyle birkaç ay, birkaç ömür kıymetinde değil midir? | 3.384 | 2 | 1 | fifties | male_masculine | ||
Yaşamakta ne buluyorlar? | 1.8 | 2 | 0 | fifties | male_masculine | ||
Bazan aramızda aşk meselelerinden bahsettiğimiz olurdu. | 3.672 | 2 | 0 | fifties | male_masculine | ||
Şu halde neden burada kalamıyordum? | 2.088 | 2 | 0 | fifties | male_masculine | ||
Gördüğü şeyden memnun olduğunu, yüzünü saran o belli belirsiz gülümsemeden anlıyordum. | 5.472 | 2 | 0 | fifties | male_masculine | ||
İkinci defa oynayamam. | 1.8 | 2 | 0 | fifties | male_masculine | ||
Artık birbirimize veda etmiş bulunuyorduk. | 2.772 | 2 | 0 | fifties | male_masculine | ||
Dün gece bir saniye bile uyuyamadım. | 2.376 | 2 | 0 | fifties | male_masculine | ||
Bir limonatacıda beş dakika oturmaya razı oldu ve hikâyesine orada devam etti. | 5.472 | 2 | 0 | fifties | male_masculine | ||
Senelerce kaldım. | 1.476 | 2 | 1 | fifties | male_masculine | ||
Her zamanki çocukça tebessümü bana daha ziyade yüzün adalelerini yoran bir sırıtma gibi geldi. | 6.48 | 2 | 0 | fifties | male_masculine | ||
Bir hayli yürümüştük. | 1.584 | 2 | 0 | fifties | male_masculine | ||
Ara sıra kendi kendimizden kurtulup cereyana kapılmak hoş bir şey. | 4.284 | 2 | 1 | fifties | male_masculine | ||
Hasta, çukura kaçan gözlerini açtı. | 2.988 | 2 | 0 | fifties | male_masculine | ||
Görüyorum ki, Maria Puder'in ölümü sizi alakadar ediyor. | 3.6 | 2 | 0 | fifties | male_masculine | ||
Hemen her akşam değirmenin önündeki meydanlıkta toplanıp ahenk yapıyorduk. | 4.788 | 2 | 0 | fifties | male_masculine | ||
Belki de on beş. | 1.692 | 2 | 0 | fifties | male_masculine | ||
Konuşmalarına dikkat ederdim. | 1.98 | 2 | 0 | fifties | male_masculine | ||
"Değirmenin içinde çalacağım!" dedi. | 2.376 | 2 | 0 | fifties | male_masculine | ||
Bu akşam konuşup bir çare buluruz, aldırma! | 3.276 | 2 | 0 | fifties | male_masculine | ||
Hiç kimsenin benden bir şey beklediği ve benim hiç kimseden bir şey beklediğim yoktu. | 5.58 | 2 | 0 | fifties | male_masculine | ||
Evin camları parladığı için pencerelerin arkasında kimse bulunup bulunmadığı görünmüyordu. | 6.3 | 2 | 0 | fifties | male_masculine | ||
Yarın buluşuruz. | 1.296 | 2 | 0 | fifties | male_masculine | ||
Başka Çingene'ler gibi çalmazdı o, adaşım: Bir kere nota bilirdi. | 4.68 | 2 | 0 | fifties | male_masculine | ||
Kesik kesik nefes aldı. | 1.692 | 2 | 0 | fifties | male_masculine | ||
Seninle şöyle bir oturup konuşamadık! | 2.484 | 2 | 1 | fifties | male_masculine | ||
Demek sen böyle de olabiliyorsun? | 2.304 | 2 | 0 | fifties | male_masculine | ||
Katlanmış bir kâğıt uzattı. | 1.872 | 2 | 0 | fifties | male_masculine | ||
Acaba bunlar neden yaşıyorlar? | 2.304 | 2 | 0 | fifties | male_masculine | ||
Önümde durdu ve elini uzatarak. | 2.484 | 2 | 0 | fifties | male_masculine | ||
Babam, mektuplarında coşuyor ve birbiri arkasına vatanperverane cümleler sıralıyordu. | 5.688 | 2 | 0 | fifties | male_masculine | ||
Oradan Tiergarten'deki gölcüklerden birinin kenarına gider, yosunlu suları ve kuğuları seyrederdik. | 6.588 | 2 | 0 | fifties | male_masculine | ||
Siz uyanalı çok oldu mu? | 1.98 | 2 | 0 | fifties | male_masculine | ||
Bir müddet sustuk. | 1.476 | 2 | 0 | fifties | male_masculine | ||
Şimdi kafası eskisi gibi ev dertleri, yemek ve çamaşır işleriyle doluydu. | 4.896 | 2 | 0 | fifties | male_masculine | ||
Ortalara doğru gözlerim, katalogda gördüğüm kelimelerin üzerinde mıhlanıp kaldı. | 5.004 | 2 | 0 | fifties | male_masculine | ||
Halbuki bende onun bakışlarını karşılayacak cesaret yoktu. | 3.888 | 2 | 0 | fifties | male_masculine | ||
Başını çevirmeden sordu. | 1.8 | 2 | 1 | fifties | male_masculine | ||
Ve evden yüz elli metre kadar ötedeki bir kanepede biraz dinleniyorduk. | 4.104 | 2 | 0 | fifties | male_masculine | ||
Onunla konuşmak, hakiki hüviyetine dair bir şeyler öğrenmek için her fırsattan istifadeye kalktım. | 6.3 | 2 | 0 | fifties | male_masculine | ||
Yani hakikaten kuvvetli, tam bir erkek. | 3.204 | 2 | 0 | fifties | male_masculine | ||
Eniştemdendi. | 1.188 | 2 | 0 | fifties | male_masculine | ||
Kendi kabahatiniz, beyim. | 1.476 | 2 | 0 | fifties | male_masculine | ||
Sizi tamamen kaybettik. | 1.872 | 2 | 0 | fifties | male_masculine | ||
Peki makamında başımı salladım. | 2.196 | 2 | 0 | fifties | male_masculine | ||
Geceleri babasıyla beraber gelir, onun yanında diz çöküp oturarak bize bakardı. | 5.184 | 2 | 0 | fifties | male_masculine | ||
Karşımdaki hayale kollarımı uzatıyor, ellerini tekrar avuçlarıma alıp ısıtmak istiyordum. | 5.688 | 2 | 0 | fifties | male_masculine | ||
Kadın üç adım gitmeden beni yakalardı. | 2.376 | 2 | 0 | fifties | male_masculine | ||
Sözüne devam etmesini bekliyordum. | 2.196 | 2 | 0 | fifties | male_masculine | ||
Onun da benden hoşlandığı, beni aradığı muhakkaktı. | 3.492 | 2 | 0 | fifties | male_masculine | ||
Onu asıl bu andan itibaren kaybetmiş olacaktım. | 3.204 | 2 | 0 | fifties | male_masculine | ||
O beni çoktan unutmuş olacaktı. | 2.196 | 2 | 0 | fifties | male_masculine | ||
Yazıyı baştan itibaren şöyle bir süzdüm. | 2.772 | 2 | 0 | fifties | male_masculine | ||
Benim masama yaklaştığını görünce büyük bir telaşa düştüm. | 3.492 | 2 | 0 | fifties | male_masculine | ||
Müzelerdeki eski resim üstatları da artık bana sıkılmadan yaşamak imkânını veriyorlardı. | 5.472 | 2 | 0 | fifties | male_masculine | ||
Hademe beni evvela küçük bir odaya alıp bekletti. | 3.276 | 2 | 0 | fifties | male_masculine | ||
Halinde daha ziyade yaklaşmama mâni olan bir şey vardı. | 3.6 | 2 | 0 | fifties | male_masculine | ||
Karşımdakinin sırtında, dirsekleri delinmiş, alacalı bulacalı, yünden örme bir kadın hırkası vardı. | 6.804 | 2 | 1 | fifties | male_masculine | ||
Hiçbir şey söyleyememiş. | 1.872 | 2 | 0 | fifties | male_masculine | ||
Yukarı katlardan birinde, karanlıktan bana seslendi. | 3.384 | 2 | 0 | fifties | male_masculine | ||
Kendi kendime. | 1.188 | 2 | 0 | fifties | male_masculine | ||
Onlara elimi salladım. | 1.584 | 2 | 0 | fifties | male_masculine | ||
On gün kadar sonra uzun bir mektup aldım. | 2.988 | 2 | 0 | fifties | male_masculine | ||
Göğsümün içi titreyerek, sözüme devam ettim. | 2.88 | 2 | 0 | fifties | male_masculine | ||
Maria hakkındaki hükümlerim de aynı zaman mesafesinin tasfiye ve tetkikinden geçmiş bulunuyor. | 6.3 | 2 | 0 | fifties | male_masculine | ||
O da gözlerini bana çevirmişti ve bunlarda hiçbir izah, hiçbir hayret yoktu. | 5.292 | 2 | 0 | fifties | male_masculine | ||
O da iki basamak aşağı indi. | 1.98 | 2 | 0 | fifties | male_masculine | ||
Dünkü hadise olmasaydı. | 2.088 | 2 | 0 | fifties | male_masculine | ||
Ayrılmak için elini öptüm. | 1.98 | 2 | 0 | fifties | male_masculine | ||
Hastanın halindeki ufak bir iyilik karısının bütün telaş ve heyecanlarını alıp götürmüştü. | 5.796 | 2 | 0 | fifties | male_masculine | ||
Siz ne bilirsiniz sanki? | 1.692 | 2 | 0 | fifties | male_masculine | ||
Fakat yapılacak hiçbir şey yoktu. | 2.196 | 2 | 0 | fifties | male_masculine | ||
Başımı kaldırıp baktım. | 1.584 | 2 | 0 | fifties | male_masculine | ||
Maria gözlerini bana dikmişti. | 2.088 | 2 | 0 | fifties | male_masculine | ||
Garsonu çağırmak için etrafıma bakındım. | 2.7 | 2 | 0 | fifties | male_masculine |
Not: Bu ses veri setinin dokümantasyonu Türk yapay zeka topluluğuna katkı sağlamak amacıyla VeriPazarı tarafından Türkçeye çevrilmiştir. Orijinal ses veri seti ysdede tarafından geliştirilmiş olup, VeriPazarı tarafından Türk AI ekosistemi için arşivlenmiştir.
🔗 Orijinal Kaynak: ysdede/commonvoice_17_tr_fixed 🔗 Derleyen Platform: VeriPazarı
CommonVoice 17 Türkçe Veri Setinin İyileştirilmesi
Yakın zamanda, konuşma tanıma modelleri için daha yüksek kaliteli bir eğitim seti oluşturmak amacıyla Mozilla CommonVoice 17 Türkçe veri setini geliştirme üzerine çalıştım. İşte sürecime ve bulgularıma genel bir bakış.
İlk Analiz ve Bölümleme Organizasyonu
İlk adımım, yapısını anlamak için veri seti organizasyonunu analiz etmekti. Dosya adı köklerini benzersiz anahtarlar olarak kullanarak, CommonVoice tasarımının tüm kullanıcılar için hemen net olmayabilecek önemli bir yönünü ortaya çıkardım ve belgeledim:
- Doğrulanmış (validated) set (toplam 113.699 dosya), aşağıdaki bölümlerden gelen tüm örnekleri tamamen içeriyordu:
- Eğitim (Train) bölümü (35.035 dosya)
- Test bölümü (11.290 dosya)
- Doğrulama (Validation) bölümü (11.247 dosya)
- Ek olarak, doğrulanmış set, diğer hiçbir bölümde bulunmayan yaklaşık 56 bin benzersiz örneğe sahipti.
Bu tasarım, dev/test/train bölümlerinin doğrulanmış verilerin dikkatlice gözden geçirilmiş alt kümeleri olduğu CommonVoice dokümantasyonuna uygundur. Ancak, veri setiyle çalışırken olası veri sızıntılarını önlemek için bu yapının net bir şekilde anlaşılması gerekir. Örneğin, doğrulanmış seti eğitim için kullanırken test bölümü üzerinde değerlendirme yapmak, test verileri zaten doğrulanmış sete dahil edildiğinden sorunlu olacaktır.
Çakışmaların olmadığı temiz bir veri seti oluşturmak için şunları yaptım:
- Dosya adı köklerini benzersiz anahtarlar olarak kullanarak tüm çakışan örnekleri tanımladım.
- Eğitim/test/doğrulama bölümlerinde zaten bulunan örnekleri doğrulanmış setten çıkardım.
- Yalnızca benzersiz örnekleri içeren, çakışmasız ve temiz bir doğrulanmış bölüm oluşturdum.
Bu yaklaşım, araştırmacıların şunları yapabilmesini sağlar:
- CommonVoice tarafından küratörlüğü yapılan orijinal eğitim/test/dev bölümlerini kullanmak, VEYA
- Kendi özel bölümleriyle temizlenmiş doğrulanmış setimi kullanmak.
Her iki yaklaşım da geçerlidir, ancak bunları karıştırmak değerlendirme sorunlarına yol açabilir.
Ses İşleme ve Kalite İyileştirmeleri
Ses Yeniden Örnekleme (Resampling)
Tüm ses dosyaları şu nedenlerle 16 kHz'e yeniden örneklenmiştir:
- Veri setini Whisper ve benzeri modellerle doğrudan uyumlu hale getirmek
- Eğitim sırasında çalışma zamanında yeniden örnekleme ihtiyacını ortadan kaldırmak
- Veri seti genelinde tutarlı ses kalitesi sağlamak
Sessizlik Kırpma
Gereksiz sessizliği ve gürültüyü gidermek için tüm ses dosyalarını işledim:
- Konuşma segmentlerini tespit etmek için 0,6 eşik değerine sahip Silero VAD kullandım.
- Başlangıç ve bitişteki sessizlikleri kırptım.
- Klip sınırlarındaki mikrofon gürültüsünü ve tıklama seslerini kaldırdım.
Süre Filtreleme ve Analizi
Sessizlikleri kırptıktan sonra her bölümü ayrı ayrı analiz ettim. Bölüm bazında ayrıntılı bulgular şöyledir:
| Bölüm | Önceki Dosya Sayısı | Sonraki Dosya Sayısı | Kısa Dosyalar | Önceki Süre (saat) | Sonraki Süre (saat) | Süre Azalışı % | Kısa Dosya Süresi (saat) | Dosya Azalışı % |
|---|---|---|---|---|---|---|---|---|
| Train | 11.290 | 9.651 | 1.626 | 13,01 | 7,34 | %43,6 | 0,37 | %14,5 |
| Validation | 11.247 | 8.640 | 2.609 | 11,17 | 6,27 | %43,9 | 0,60 | %23,2 |
| Test | 35.035 | 26.501 | 8.633 | 35,49 | 19,84 | %44,1 | 2,00 | %24,4 |
| Validated | 56.127 | 46.348 | 9.991 | 56,71 | 32,69 | %42,4 | 2,29 | %17,4 |
| Toplam | 113.699 | 91.140 | 22.859 | 116,38 | 66,14 | %43,2 | 5,26 | %19,8 |
Not: 1,0 saniyeden kısa süreli dosyalar veri setinden çıkarılmıştır.
Doğrulama (Validation) Bölümü Analizi (eski adıyla Eval)
- Orijinal dosya sayısı: 11.247
- 1,0 saniyeden kısa 2.609 dosya bulundu
- Kısa dosyalar için istatistikler:
- Toplam süre: 26,26 dakika
- Ortalama süre: 0,83 saniye
- En kısa dosya: 0,65 saniye
- En uzun dosya: 0,97 saniye
Eğitim (Train) Bölümü Analizi
- Orijinal dosya sayısı: 35.035
- 1,0 saniyeden kısa 8.633 dosya bulundu
- Kısa dosyalar için istatistikler:
- Toplam süre: 2,29 saat
- Ortalama süre: 0,82 saniye
- En kısa dosya: 0,08 saniye
- En uzun dosya: 0,97 saniye
Test Bölümü Analizi
- Orijinal dosya sayısı: 11.290
- 1,0 saniyeden kısa 1.626 dosya bulundu
- Kısa dosyalar için istatistikler:
- Toplam süre: 56,26 dakika
- Ortalama süre: 0,85 saniye
- En kısa dosya: 0,65 saniye
- En uzun dosya: 0,97 saniye
Doğrulanmış (Validated) Bölüm Analizi
- Orijinal dosya sayısı: 56.127
- 1,0 saniyeden kısa 9.991 dosya bulundu
- Kısa dosyalar için istatistikler:
- Toplam süre: 36,26 dakika
- Ortalama süre: 0,83 saniye
- En kısa dosya: 0,65 saniye
- En uzun dosya: 0,97 saniye
Tutarlı kaliteyi sağlamak için tüm kısa klipler veri setinden çıkarıldı. Nihai veri seti, bölümler genelinde 2,54-2,69 saniye arasında değişen ortalama sürelerle yalnızca 1,0 saniyeden uzun klipleri korumaktadır.
Nihai Bölüm İstatistikleri
Temizlenmiş veri seti şu şekilde organize edilmiştir:
- Train: 26.501 dosya (19,84 saat, ort. süre: 2,69 sn, min: 1,04 sn, maks: 9,58 sn)
- Test: 9.650 dosya (7,33 saat, ort. süre: 2,74 sn, min: 1,08 sn, maks: 9,29 sn)
- Validation: 8.639 dosya (6,27 saat, ort. süre: 2,61 sn, min: 1,04 sn, maks: 9,18 sn)
- Validated: 46.345 dosya (32,69 saat, ort. süre: 2,54 sn, min: 1,04 sn, maks: 9,07 sn)
Nihai Veri Seti Bölüm Metrikleri
| Bölüm | Dosya Sayısı | Süre (saat) | Ort. Süre (sn) | Min. Süre (sn) | Maks. Süre (sn) |
|---|---|---|---|---|---|
| TRAIN | 26501 | 19,84 | 2,69 | 1,04 | 9,58 |
| TEST | 9650 | 7,33 | 2,74 | 1,08 | 9,29 |
| VALIDATION | 8639 | 6,27 | 2,61 | 1,04 | 9,18 |
| VALIDATED | 46345 | 32,69 | 2,54 | 1,04 | 9,07 |
İşlenen toplam dosya: 91.135 Oluşturulan geçerli girdi: 91.135 Atlanan dosya: 0 Toplam veri seti süresi: 66,13 saat Tüm bölümlerde ortalama süre: 2,61 saniye
Veri seti şu sırayla işlenmiştir:
- Train bölümü (26.501 dosya)
- Test bölümü (9.650 dosya)
- Validation bölümü (8.639 dosya) - Not: Bazı CommonVoice sürümlerinde "eval" bölümü olarak da bilinir.
- Validated bölümü (46.348 dosya)
Not: Validation bölümü (CommonVoice dokümantasyonunda bazen "eval" bölümü olarak adlandırılır), aynı amaca hizmet eder; eğitim sırasında model doğrulaması için ayrılmış bir settir. Yaygın makine öğrenimi terminolojisiyle tutarlılık sağlamak adına bu dokümantasyon boyunca isimlendirmeyi "validation" olarak standartlaştırdık.
Doğrulanmış bölümdeki bir metin dosyası çok kısa (2 karakter) olduğu için işaretlendi, ancak yine de nihai veri setine dahil edildi.
İşlenmiş veri seti 'commonvoice_17_tr_fixed' olarak kaydedildi.
Metin İşleme ve Standartlaştırma
Karakter Seti Optimizasyonu
- Tüm metin etiketlerinden kapsamlı bir karakter seti oluşturuldu.
- Karakter seti şu yollarla basitleştirildi:
- Tırnak işaretlerinin standartlaştırılması
- Nadiren kullanılan özel karakterlerin kaldırılması
Metin Kalitesi İyileştirmeleri
- Olası sorunları belirlemek için kelime frekansı metrikleri oluşturuldu.
- Yaygın Türkçe yazım hataları ve dil bilgisi hataları düzeltildi.
- Noktalama işaretleri ve boşluklar standartlaştırıldı.
Sonuçlar
Nihai veri seti önemli iyileştirmeler göstermektedir:
- Sesten gereksiz sessizlik ve gürültü kaldırıldı.
- 1,0 saniyenin üzerinde tutarlı ses süreleri sağlandı.
- Türkçe dil bilgisi ve tipografisi düzeltilerek metin standartlaştırıldı.
- Orijinal meta veriler (yaş, beğeniler vb.) korundu.
Bu iyileştirmeler, orijinal CommonVoice koleksiyonunun çeşitliliğini ve zenginliğini korurken, veri setini konuşma tanıma modellerini eğitmek için daha uygun hale getirmektedir.
Kullanılan Araçlar
Bu veri seti işleme çalışması, ASR sistemlerinin geliştirilmesini ve iyileştirilmesini kolaylaştırmak için tasarlanmış açık kaynaklı bir Python araç seti olan ASRTK (Automatic Speech Recognition Toolkit) kullanılarak tamamlanmıştır. ASRTK şunlar için yardımcı programlar sağlar:
- Gelişmiş bölme ve yeniden örnekleme özelliklerine sahip ses işleme
- Metin normalleştirme ve temizleme
- Silero VAD modellerini kullanarak zorunlu hizalama (forced alignment)
- Çoklu iş parçacığı (multi-threading) desteği ile verimli toplu işleme
Araç seti MIT lisansı altında mevcuttur ve topluluktan gelen katkıları memnuniyetle karşılamaktadır.
Bu dosya veripazari.com.tr topluluğu tarafından Hugging Face altyapısında barındırılmaktadır. Orijinal emeğe saygı gereği lisans, metadata ve kaynak referansları korunmuştur.
- Downloads last month
- 32