Corpus FR pour le finetuning speech-to-speech (Liquid-Audio / LFM2-Audio), construit par une
pipeline de prétraitement : VAD, ASR + alignement mot, segmentation aux frontières de mots,
filtrage qualité perceptuelle, normalisation de texte, déduplication.
from datasets import load_dataset
ds = load_dataset("baptistefrancois1/s2s-fr-finetuning", "common_voice_fr")
Un config HF par source d'origine : common_voice_fr, emilia_yodas_fr… See the full description on the dataset page:
https://huggingface.co/datasets/baptistefrancois1/s2s-fr-finetuning.
