MaSS

MaSS (Multilingual corpus of Sentence-aligned Spoken utterances) 是 CMU Wilderness Multilingual Speech Dataset 的扩展，这是一个基于新约记录阅读的语音数据集。 MaSS 通过提供一个包含 8,130 种语言（56 种语言对）的 8,130 个平行口语的大型且干净的数据集来扩展它。涵盖的语言有：巴斯克语、英语、芬兰语、法语、匈牙利语、罗马尼亚语、俄语和西班牙语。

MaSS (Multilingual corpus of Sentence-aligned Spoken utterances) is an extension of the CMU Wilderness Multilingual Speech Dataset, a speech dataset based on readings of the New Testament. MaSS expands it by providing a large, clean dataset of 8,130 parallel spoken utterances spanning 56 language pairs across 8 languages. The covered languages include Basque, English, Finnish, French, Hungarian, Romanian, Russian, and Spanish.

搜集汇总

背景与挑战

背景概述

MaSS是一个多语言句子对齐口语语料库，作为CMU Wilderness Multilingual Speech Dataset的扩充，基于新约记录阅读构建。它涵盖8,130种语言（56种语言对），包括巴斯克语、英语、芬兰语等八种语言，由格勒诺布尔-阿尔卑斯大学于2020年发布。