albertvillanova/tmp-mention

MultiLingual LibriSpeech（MLS）数据集是一个适用于语音研究的大型多语言语料库。该数据集来源于LibriVox的朗读有声书，包含8种语言：英语、德语、荷兰语、西班牙语、法语、意大利语、葡萄牙语和波兰语。该数据集可用于训练自动语音识别（ASR）模型，模型需要将音频文件转录为文本，常用的评估指标是词错误率（WER）。

原始信息汇总

数据集概述：MultiLingual LibriSpeech

数据集描述

数据集总结

• 名称：Multilingual LibriSpeech (MLS)
• 类型：多语言语音数据集
• 来源：由LibriVox的读物衍生
• 语言：包含8种语言（英语、德语、荷兰语、西班牙语、法语、意大利语、葡萄牙语、波兰语）
• 用途：适用于语音研究，特别是自动语音识别（ASR）和音频说话人识别

支持的任务和排行榜

• 任务：自动语音识别（ASR）、音频说话人识别
• 评估指标：词错误率（WER）
• 排行榜：可在Paperswithcode Leaderboard查看，根据WER排名

数据集结构

数据实例

• 描述：每个数据实例为音频文件及其对应的文本转录

数据字段

• 音频文件：包含语音数据
• 文本转录：音频内容的书面形式

数据分割

• 分割方式：数据集通常分为训练集、验证集和测试集

数据集创建

来源数据

• 原始数据：LibriVox的读物

注释

• 注释类型：音频文件的文本转录

个人和敏感信息

• 处理：数据集中不包含个人或敏感信息

使用数据的考虑

社会影响

• 影响：数据集的使用可能影响语音识别技术的发展

偏见讨论

• 讨论：数据集可能存在的语言和文化偏见

其他已知限制

• 限制：模型可能不支持快速标记器

附加信息

数据集管理者

• 管理者：未提供具体信息

许可信息

• 许可：CC-BY-4.0

引用信息

• 引用：未提供具体信息

贡献

• 贡献：未提供具体信息