datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
lfm25-fr-corpus-v1
LFM2.5-Audio FR/EN — assistant vocal avec appel d'outils
14360 dialogues bilingues et 68.5 h de parole synthétique, pour entraîner un
modèle parole à parole qui décide d'appeler un outil, lit son résultat et répond à voix haute,
en français comme en anglais.
Deux vues du même corpus :
Les briques audio (ci-dessous) : un clip par tour, écoutable dans le visualiseur, avec son
texte, sa voix et son taux d'erreur de ré-écoute.
Les dialogues (dataset/*.jsonl) : la conversation… See the full description on the dataset page: https://huggingface.co/datasets/Rcarvalo/lfm25-fr-corpus-v1.lfm2-tool-aware-dataset-v1
LFM2-Tool-Aware Dataset (v1)
Synthetic speech dataset for fine-tuning LFM2.5-Audio-class audio LLMs to be tool-aware: read a tool list from the system prompt, acknowledge briefly when a user query matches a listed tool, refuse politely when no tool covers the query, and otherwise behave as a normal conversational model.
Used to train matbee/lfm2.5-audio-tool-aware-v1 (96.6% accuracy on the held-out eval split).
What this teaches a model
Voice-assistant systems often… See the full description on the dataset page: https://huggingface.co/datasets/matbee/lfm2-tool-aware-dataset-v1.lfm2-tool-aware-dataset-v2
LFM2-Tool-Aware Dataset (v2)
Synthetic speech dataset for fine-tuning LFM2.5-Audio-class audio LLMs to handle both turns of a tool-augmented voice flow: acknowledge briefly on turn 1, then narrate the dispatcher's result on turn 2 after the coordinator injects it via set_context().
Used to train matbee/lfm2.5-audio-tool-aware-v2 (~97% accuracy on the eval split, including the new turn-2 narration class).
What's new in v2
The v1 dataset taught the model to ack-and-stop… See the full description on the dataset page: https://huggingface.co/datasets/matbee/lfm2-tool-aware-dataset-v2.