aaparajit02/punjabi-asr

Shrutilipi是一个标记的自动语音识别（ASR）语料库，通过从全印度广播新闻公告中挖掘平行音频和文本对获得，涵盖了12种印度语言：孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、梵语、泰米尔语、泰卢固语和乌尔都语。该语料库在所有语言中拥有超过6400小时的数据。

原始信息汇总

数据集概述

基本信息

• 名称: Punjabi ASR
• 别名: Shrutilipi
• 任务类别: 自动语音识别 (ASR)
• 语言: 旁遮普语 (pa)
• 标签: 旁遮普语, ASR, 转录, 翻译
• 美观名称: Punjabi ASR

数据集特征

• 音频: 数据类型为音频
• 转录文本: 数据类型为字符串
• 英文文本: 数据类型为字符串

数据集划分

• 训练集:
  • 示例数量: 39238
  • 数据大小: 10917088956.322 字节

数据集大小

• 下载大小: 10866820110 字节
• 数据集总大小: 10917088956.322 字节

数据集来源

• 来源: 从All India Radio新闻广播中挖掘的平行音频和文本对
• 覆盖语言: 12种印度语言
• 数据总量: 超过6400小时

相关研究

• 论文: Effectiveness of Mining Audio and Text Pairs from Public Data for Improving ASR Systems for Low-Resource Languages
• 作者: Bhogale, Kaushal Santosh 等
• 年份: 2022
• 出版: arXiv