May, 2022

SDS-200: 一份瑞士德语转标准德语文本语料库

PDF
TL;DRSDS-200 是一份包含瑞士德语方言语音的语料库，其中标注了方言、年龄和性别等信息，可以用于训练语音翻译、方言识别和语音合成系统等。该数据集包含约 4000 名不同说话者的 200 小时的语音，并覆盖了瑞士德语方言的大部分领域。我们同时发布了 SDS-200 基线语音翻译模型和使用 SDS-200 微调预训练的 XLS-R 模型，最终达到了 21.6 WER 和 64.0 BLEU。
发现论文，激发创造
  • STT4SG-350: 一份面向瑞士所有德语方言地区的语音语料库

    提供了一份瑞士德语语音的语料库，包含了来自各个方言区的 316 名发言者的 343 小时语音数据，并提供了这些发言者的方言、年龄和性别信息。该语料库适用于自动语音识别、文本到语音、方言识别和说话人识别等应用领域，并提供了训练集、验证集和测试集，训练出的模型在测试集上取得了较好的效果。

    May, 2023

  • 2022 年 SwissText 第二届瑞士德语口语转标准德语文本共享任务

    此研究报告了 2022 年 SwissText 会议上第二次瑞士德语转标准德语文本共享任务的结果和发现，参与者被要求构建针对 Grisons 方言的以句子为单位的瑞士德语语音到标准德语文本系统，目标是在 Grisons 语音的测试集上最大化 BLEU 成绩。共有 3 支队伍参赛，最佳表现系统的 BLEU 得分为 70.1。

    Jan, 2023

  • 瑞士德语语音转文本系统评估

    针对四个商业可用的瑞士德语语音转文本系统和 FHNW 模型展开深入评估，并使用瑞士议会语料库和新闻域中的私人数据集来评估这些模型，并提供了有关模型培训的详细信息，评估了这些模型的强​​弱点并对其进行了详细的错误分析。

    Jul, 2022

  • LibriS2S: 一份德英语音到语音翻译语料库

    该研究找出了语音到语音翻译领域所面临的主要限制是缺乏合适的培训数据。为了解决这个问题，研究人员创建了一个公开可用的语音到语音训练语料库 ——LibriS2S。基于这个语料库，提出了基于 FastSpeech 2 模型的新文本到语音模型，以及如何使模型直接根据源语言的发音来生成语音信号。

    Apr, 2022

  • LibriVoxDeEn: 一个用于德语到英语语音翻译和德语语音识别的语料库

    该研究提供一个德语语音、德语文本和英语翻译的平行语料库，以德语有声读物为基础，包括 110 小时的音频材料，对齐了超过 50k 句平行句子，并且提供了更大的数据集，包括 547 小时的德语语音对齐了德语文本，同时为德语语音识别和德语到英语的端到端翻译提供了大量的资源。

    Oct, 2019

  • 瑞士德语语音翻译的方言迁移

    本研究调查了建立瑞士德语语音翻译系统的挑战，特别关注方言多样性和瑞士德语与标准德语之间的差异的影响。研究发现方言多样性和语言差异对瑞士德语语音翻译构成重大挑战，与实证研究得出的语言学假设相符。

    Oct, 2023

  • ASR Bundestag：德国大规模政治辩论数据集

    ASR Bundestag 是一个关于德语自动语音识别的数据集，包括 610 小时对齐的音频文本对以进行监督式训练及 1038 小时未标注的音频片段以便进行自监督学习。

    Feb, 2023

  • GigaST：一份拥有 10,000 小时的伪语音翻译语料库

    本文介绍 GigaST 数据集，它是一个大规模的伪语音转换语料库，通过翻译英文 ASR 语料库 GigaSpeech 到德语和中文等加入大量的机器翻译的数据用于训练，最终的 ST 模型在 MuST-C 英语 - 德语基准测试集中获得了最新的最好成果。

    Apr, 2022

  • HUI-Audio-Corpus-German：高品质 TTS 数据集

    通过神经网络的发展和训练，基于音频数据的 TTS 应用的数据集越来越多，但不同质量的声音、低采样率、缺乏文本规范化以及音频样本与对应转录句子的对齐不利于深度神经网络的表现，而语言资源的问题更为突出。我们输入 “HUI-Audio-Corpus-German” 数据集，采用处理工具的方式产生高质量音频，降低手动创建的难度。

    Jun, 2021

  • 从互联网自动创建低资源语言文本语料库：以瑞士德语为例

    SwissCrawl 是目前最大的瑞士德语文本语料库之一，是使用自定义网络抓取工具生成的。它展示了如何利用公开的网络页面构建全面的文本语料库，在自然语言处理方面非常重要。在实验评估中，我们发现使用新语料库可以显著提高语言建模任务的性能。为了捕获新内容，我们的方法会持续不断地运行以增加语料库的文本。

    Nov, 2019