Jun, 2023

赞比西之声：赞比亚语言的多语言语音语料库

PDF
TL;DRZambezi Voice 为挖掘两个不同语音来源的 Zambian 众所周知，首次推出了适用于 Zambian 语言的多语言语音数据集，可用于监督和非监督的学习方法，同时利用 Wav2Vec2.0 模型进行预训练和跨语言迁移学习，构建出基于端到端的语音识别模型。
zambezi voicemultilingual speechspeech recognitionwav2vec2.0zambian languages
发现论文，激发创造
  • 准备 Vuk'uzenzele 和 ZA-gov-multilingual 南非多语种语料库

    本文介绍了两个多语言政府主题语料库，并使用 Language-Agnostic Sentence Representations（LASER）嵌入创建平行的句子语料库，为 9 种土著语言提供 NMT 基准测试。

    Mar, 2023

  • Speech Wikimedia：一个包含 77 种语言的多语言语音数据集

    维基媒体数据集是一个公开可用的音频和转录汇编，包含来自维基共享资源的 1780 小时（195GB）CC-BY-SA 许可的转录语音，在 77 种不同语言中包含了多种场景和讲话者。每个音频文件都有一个或多个不同语言的转录，使得此数据集适用于训练语音识别、语音翻译和机器翻译模型。

    Aug, 2023

  • MLS: 一个大规模的多语言语音研究数据集

    本文介绍了 Multilingual LibriSpeech（MLS）数据集，这是一个大型的多语言语音研究语料库，包括 8 种语言，以及相应语言模型和基线自动语音识别模型。该数据集将在 http URL 上免费提供，我们相信它将为 ASR 和 TTS 研究开辟新的途径。

    Dec, 2020

  • 面向非洲语言的大词汇量语音识别：多语言建模和自监督学习

    应用多语言模型和自监督学习方法进行预训练和汇集可用数据来提高语音识别质量，为非洲语言建立大词汇量语音识别系统。

    Aug, 2022

  • VoxPopuli: 面向表示学习、半监督学习和解释的大规模多语种语音语料库

    介绍了 VoxPopuli，它是一个大规模的多语种语音语料库，提供包含 23 种语言的 100K 小时未标记语音数据，以及 16 种语言中的 1.8K 小时转录演讲和对应的 5 种其他语言的 5.1K 小时口译。该语料库还提供了语音识别基线和验证了 VoxPopuli 未标记数据在半监督学习中的多用途性。语料库将在该网址下公开发布。

    Jan, 2021

  • 使用大型数据集探索单语音频 Transformer 在捷克语自动语音识别中的能力

    本文介绍了在大数据集上通过预训练机器学习模型和微调等方法，利用无标签语音数据和有标签语音数据对 Wav2Vec 2.0 进行 ASR 系统的训练及评估，并取得成功的实验结果。

    Jun, 2022

  • BibleTTS：一个大型、高保真、多语种且独特的非洲语音语料库

    BibleTTS 是一个由 Open.Bible 项目自 Biblica 发布的圣经记录而来的语音数据集，共有十种撒哈拉以南非洲的语言，为各种语言的文本转语音模型的开发提供了高质量的 48kHz 单人演讲录音素材。

    Jul, 2022

  • Common Voice: 一個大規模多語言語音語料庫

    Common Voice 是一个为语音技术研究和开发设计的大型多语言转录音频资源，采用众包方式进行数据收集和验证，目前包括 29 种语言，收集了超过 2500 小时的音频数据，实现了多语言端到端的自动语音识别。

    Dec, 2019

  • 利用无线电存档进行低资源语音识别：面向文盲用户的智能虚拟助手

    通过对噪音广播档案的无监督的语音表示学习方法进行调查，我们的贡献包括发布两个数据集到研究社区以及共享受过训练的语音编码器，最终分享了 Maninka、Pular 和 Susu 等语言的首个语音识别模型，为服务于数字鸿沟中穷困落后的人群而提供了一种道路。

    Apr, 2021

  • AfriWOZ: 利用跨语言可传递性生成低资源非洲语言对话的语料库

    本文介绍了针对非洲语言首次提供的高质量对话数据集，并通过深度单语模型 DialoGPT 和 BlenderBot 以及基准模型 seq2seq 对其进行建模，利用重叠度进行效果分析，同时通过人类评估方法验证其有效性，发现深度单语模型可以学习一些泛化跨语言的抽象，人类得分最高的是奈及利亚皮钦英语。

    Apr, 2022