COLINGMar, 2024

UCLA 音韵实验室档案的音标分割

PDF
TL;DRUCLA Phonetics Lab Archive 中的语音技术和比较语言学研究依赖于丰富且易于获取的语音数据。通过提供 VoxAngeles，我们提供了 UCLA Phonetics Lab Archive 的经过审核的语音转录和音素级对齐的语料库，该语料库以 95 种语言的 CMU 重新发行版本为起点，通过案例研究说明了该语料库在定量音位类型学方面的可用性，还讨论了 VoxAngeles 语料库在跨语言音韵学、资源匮乏和多语言语音技术方面的实用性。
speech technologiescomparative linguisticsucla phonetics lab archivemultilingual speech corporaphonetic transcriptions
发现论文，激发创造
  • 大规模语音类型的语料库

    介绍了一个包含 690 种语言的大规模语料库，可用于数据驱动的语言学研究，特别是语音学分类及语音学测量。

    May, 2020

  • TaL：一份同步的多说话人的舌头超声成像、音频和嘴唇视频语料库

    本文介绍了 Tongue and Lips 语料库（TaL）的数据来源和处理方式，并在多个任务上对该语料库进行了基准测试，结果表明 TaL 可以用于语音识别和语音合成等任务。

    Nov, 2020

  • 低资源语言的音标丰富语料构建

    本研究介绍了一种用于创建巴西葡萄牙语语音覆盖度广泛的语音语料库的新方法，并提出了基于声音 - 口型语音特征的新的音素分类方法，通过使用该算法，我们使得与目前可用的语音丰富语料库相比，一种样本中不同音素的百分比增加了 55.8％。

    Feb, 2024

  • VoxLingua107：一个口语识别数据集

    本文研究了利用网络音频数据自动识别口语语言的任务。通过从特定语言的 Wikipedia 数据中生成半随机搜索短语，并从 YouTube 中检索视频来提取具有语音的视频片段，并使用语音活动检测和说话人分离提取包含语音的视频片段，最终构建了可用于多种口语识别任务的语言识别模型，自动检索的数据结果优于使用手工标记的专有数据集。

    Nov, 2020

  • 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

  • Prak：捷克语自动语音对齐工具

    该研究创建了一个用于简化语音学研究中标注语音的自由开源工具，包括音频对齐、语音识别等多项功能，可用于苹果、Linux 等多平台，能够对捷克语语音进行变体选择、捕捉语言逻辑等，并获得了良好的实际效果。

    Apr, 2023

  • 适用于低资源语音识别的语言通用语音编码器

    使用国际音标为基础的语言通用的语音模型在多语言音频识别中表现出良好效果，且通过自适应方法在极低资源语言的情况下改进了识别性能。

    May, 2023

  • 长篇语音识别的更新语料库和基准

    本文重新发布三个标准的 ASR 语料库，用于长篇 ASR 研究，并研究了训练与测试数据不匹配问题，通过基准测试展示了长篇训练在此领域转变下的模型鲁棒性。

    Sep, 2023

  • 多语音预训练中的语言通用语音表示法用于小资源语音识别

    本文提出一种结合多语言训练和自监督学习的方法来提高低资源 ASR 性能，其中采用国际音标（IPA）多语言模型为无标签语音创建帧级伪标签，并以这些伪标签以 Phonetically-informed 的方式引导基于 HuBERT 的语音预训练。实验证明，该方法在所有目标语言上均优于标准 HuBERT，并且在 3 种语言中表现更佳，同时最多能够节省 1.5k 小时（75%）有监督训练数据。

    May, 2023

  • 通用手机：用于鲁棒声学建模的多语言数据集

    本研究介绍了多语言语音数据集 Common Phone，用其于 Wav2Vec 2.0 音频模型的参数训练并取得了 18.1% 的识别率，提供了可靠的注音，从而缩小了声学模型应用于实际场景的差距。

    Jan, 2022