MediaSpeech

MediaSpeech 是一个媒体语音数据集（您可能已经猜到了），旨在测试自动语音识别 (ASR) 系统的性能。该数据集由从 YouTube 上可用的媒体视频中自动提取并手动转录的简短语音片段组成，并进行了一些预处理和后处理。该数据集包含所提供的每种语言的 10 小时语音。此版本包含法语、阿拉伯语、土耳其语和西班牙语的音频数据集，是更大的私有数据集的一部分。MediaSpeech is a media speech dataset (as you may have guessed) designed to test the performance of automatic speech recognition (ASR) systems. It consists of short speech segments automatically extracted from publicly available YouTube media videos and manually transcribed, with certain preprocessing and postprocessing steps applied. The dataset contains 10 hours of speech for each language provided. This release includes audio datasets for French, Arabic, Turkish and Spanish, and is part of a larger proprietary dataset.

搜集汇总

背景与挑战

背景概述

MediaSpeech是一个用于评估自动语音识别（ASR）系统性能的多语言媒体语音数据集，包含法语、阿拉伯语、土耳其语和西班牙语各10小时的音频。这些数据源自YouTube视频的自动提取和手动转录片段，是更大私有数据集的一个公开子集。