LibriVoxDeEn

该数据集是基于德语有声读物的德语音频、德语文本和英语翻译的句子对齐三元组的语料库。该语料库包含超过 100 小时的音频材料和超过 50k 的平行句子。由于有声书的设置，语音数据的不流畅性很低。人工评估检查了音频和句子对齐的质量，表明语音对齐通常非常高。句子对齐质量可与常用的平行翻译数据相媲美，并且可以通过自动对齐分数的截止值进行调整。据我们所知，该语料库是迄今为止最大的德语端到端语音翻译资源。

搜集汇总

背景与挑战

背景概述

LibriVoxDeEn是一个基于德语有声读物的语料库，包含德语音频、德语文本和英语翻译的句子对齐三元组，规模超过100小时音频和50k平行句子。该数据集语音质量高，对齐效果良好，是目前最大的德语端到端语音翻译资源。