一种用于语音增强与语音识别的半自发荷兰语语料库
音频与语音处理
2026-03-11 v1
摘要
我们提出 DRES：一个 1.5 小时的荷兰语真实挑选（半自发）语料库，来自 80 位说话人，录制于嘈杂的公共室内环境。DRES 旨在作为评估 SOTA 自动语音识别 (ASR) 和语音增强 (SE) 模型的测试集，以真实场景为背景：一个人在公共室内空间发言，伴随背景说话者和噪声。语音使用四通道线性麦克风阵列录制。本文评估了五种著名单通道 SE 算法的语音质量，以及八种 SOTA 离线 ASR 模型在应用 SE 前后的识别性能。我们发现尽管处于具有挑战性的条件，五个中的八个 ASR 模型在 DRES 上的词错误率 (WER) 低于 22%。与近期工作不同，我们未发现现代单通道 SE 对 ASR 性能的正面影响，这凸显了在真实条件下进行评估的重要性。
引用
@article{arxiv.2603.09725,
title = {A Semi-spontaneous Dutch Speech Dataset for Speech Enhancement and Speech Recognition},
author = {Dimme de Groot and Yuanyuan Zhang and Jorge Martinez and Odette Scharenborg},
journal= {arXiv preprint arXiv:2603.09725},
year = {2026}
}
备注
Submitted to Interspeech 2026