ASDREN

Shqipja flitet nga rreth 7.5 milionë njerëz. E megjithatë, nga e gjithë kjo pasuri, vetëm rreth njëzet orë të dhëna të hapura të të folurit ekzistojnë për trajnimin e modeleve të inteligjencës artificiale.

ASDREN është një përpjekje kërkimore për ta ndryshuar këtë. Një korpus gjithëpërfshirës, i mbledhur në mënyrë etike dhe i licencuar hapur, i shqipes së shkruar dhe të folur, toskërisht dhe gegërisht. Së bashku publikohen edhe modele të hapura (STT, TTS, LLM) të trajnuara mbi të, të përdorshme lirshëm për studiuesit dhe komunitetin.

Albanian is spoken by roughly 7.5 million people worldwide. Yet fewer than twenty hours of open speech data exist for training modern AI systems.

ASDREN is a research effort to change that. A comprehensive, ethically-sourced, openly-licensed dataset of written and spoken Albanian covering both major dialects. Alongside it we release open models (STT, TTS, LLM) trained on the data, free for researchers and the community.