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)**CL-MASR 数据集** 本数据集用于多语言自动语音识别（Automatic Speech Recognition，ASR）的持续学习基准评测（CL-MASR）。该数据集由从通用语音13（Common Voice 13）数据集中遴选的20种语言的语音录音构成。针对每种语言，其训练集、开发集、测试集的最大时长分别为10小时、1小时、1小时。CL-MASR基准评测平台可在SpeechBrain工具包中获取（详见recipes/CommonVoice路径）： https://github.com/speechbrain/speechbrain 原始通用语音13数据集可通过以下地址获取： https://commonvoice.mozilla.org/en/datasets **语言列表** - 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） - 金亚凡瓦语（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） - 弗里西语（fy-NL） - 国际语（ia）