CI-AVSR

粤语车载视听语音识别 (CI-AVSR) 是用于粤语车载命令识别的数据集，包含视频和音频数据。它包含 4,984 个样本（8.3 小时），由 30 位母语为粤语的人录制的 200 条车内命令。此外，使用常见的车内背景噪声对数据集进行了扩充，以模拟真实环境，生成的数据集比收集的数据集大 10 倍。

The Cantonese In-vehicle Audio-Visual Speech Recognition (CI-AVSR) dataset is designed for Cantonese in-car command recognition tasks, encompassing both audio and visual modalities. It contains 4,984 samples totaling 8.3 hours, derived from 200 in-car commands recorded by 30 native Cantonese speakers. Additionally, the dataset was augmented with common in-car background noises to simulate real-world environments, resulting in a dataset 10 times larger than the initially collected one.

搜集汇总

背景与挑战

背景概述

CI-AVSR是一个粤语车载视听语音识别数据集，包含4,984个样本（8.3小时），由30位母语者录制200条车内命令，并通过背景噪声扩充以模拟真实环境。该数据集由香港科技大学于2022年发布，主要用于车载命令识别研究。