CL-MASR

<strong>CL-MASR Dataset</strong> This is the dataset used in the continual learning for multilingual ASR (CL-MASR) benchmark. It is composed of speech recordings from 20 languages selected from the Common Voice 13 dataset. For each language, it includes up to 10/1/1 hours for train/dev/test, respectively. The CL-MASR benchmark platform is available in the SpeechBrain toolkit (see recipes/CommonVoice):<br> https://github.com/speechbrain/speechbrain The original Common Voice 13 data are available at:<br> https://commonvoice.mozilla.org/en/datasets <strong>List of Languages</strong> - English (en)<br> - Chinese (zh-CN)<br> - German (de)<br> - Spanish (es)<br> - Russian (ru)<br> - French (fr)<br> - Portuguese (pt)<br> - Japanese (ja)<br> - Turkish (tr)<br> - Polish (pl)<br> - Kinyarwanda (rw)<br> - Esperanto (eo)<br> - Kabyle (kab)<br> - Luganda (lg)<br> - Meadow Mari (mhr)<br> - Central Kurdish (ckb)<br> - Abkhaz (ab)<br> - Kurmanji Kurdish (kmr)<br> - Frisian (fy-NL)<br> - Interlingua (ia)<strong>CL-MASR 数据集</strong> 本数据集为面向多语言自动语音识别（Automatic Speech Recognition, ASR）的持续学习基准测试（CL-MASR 基准测试）所用数据集。其语音录音源自 Common Voice 13 数据集，共涵盖20种语言。针对每种语言，该数据集分别提供至多10小时的训练集、1小时的开发集与1小时的测试集。CL-MASR 基准测试平台已集成于 SpeechBrain 工具包中（详见 recipes/CommonVoice 路径）：<br> https://github.com/speechbrain/speechbrain 原始 Common Voice 13 数据集可通过以下地址获取：<br> https://commonvoice.mozilla.org/en/datasets <strong>语言列表</strong> - 英语（en） - 简体中文（zh-CN） - 德语（de） - 西班牙语（es） - 俄语（ru） - 法语（fr） - 葡萄牙语（pt） - 日语（ja） - 土耳其语（tr） - 波兰语（pl） - 卢旺达语（rw） - 世界语（eo） - 卡拜尔语（kab） - 卢干达语（lg） - 草原马里语（mhr） - 中库尔德语（ckb） - 阿布哈兹语（ab） - 库尔曼吉库尔德语（kmr） - 荷兰弗里西语（fy-NL） - 因特林瓜语（ia）