计算机科学 > 计算与语言
[提交于 2023年6月7日
(v1)
,最后修订 2023年6月13日 (此版本, v2)]
标题: 赞比西语音:用于赞比亚语言的多语言语音语料库
标题: Zambezi Voice: A Multilingual Speech Corpus for Zambian Languages
摘要: 这项工作介绍了赞比西语音,这是一个针对赞比亚语言的开源多语言语音资源。 它包含两个数据集集合:未标记的广播新闻和访谈节目音频记录(160小时)以及标记数据(超过80小时),这些数据包括从公开可用的文学书籍中获取文本录制的朗读语音。 该数据集用于语音识别,但可以扩展到针对监督和非监督学习方法的多语言语音处理研究。 据我们所知,这是首个为赞比亚语言创建的多语言语音数据集。 我们通过微调Wav2Vec2.0大规模多语言预训练模型来构建端到端(E2E)语音识别模型作为我们的基线模型,从而利用预训练和跨语言迁移学习。 该数据集在Creative Commons BY-NC-ND 4.0许可下公开发布,可通过https://github.com/unza-speech-lab/zambezi-voice访问。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.