AS-70：用于自动语音识别和口吃事件检测的普通话口吃语音数据集
声音
2024-06-12 v1 人工智能
音频与语音处理
摘要
过去二十年中语音技术的快速发展使得在流畅语音的自动语音识别（ASR）等任务上达到了人类水平的表现。然而，这些模型在应用于非典型语音（如口吃）时效果会下降。本文介绍了AS-70，第一个公开可用的普通话口吃语音数据集，也是同类中最大的数据集。AS-70包含对话和语音命令朗读语音，并包括逐字人工转录，使其适用于各种语音相关任务。此外，我们建立了基线系统，并展示了ASR和口吃事件检测（SED）任务的实验结果。通过将该数据集纳入模型微调，观察到最先进的ASR模型（例如Whisper和Hubert）有显著改进，增强了它们在处理口吃语音方面的包容性。
引用
@article{arxiv.2406.07256,
title = {AS-70: A Mandarin stuttered speech dataset for automatic speech recognition and stuttering event detection},
author = {Rong Gong and Hongfei Xue and Lezhi Wang and Xin Xu and Qisheng Li and Lei Xie and Hui Bu and Shaomei Wu and Jiaming Zhou and Yong Qin and Binbin Zhang and Jun Du and Jia Bin and Ming Li},
journal= {arXiv preprint arXiv:2406.07256},
year = {2024}
}
备注
Accepted by Interspeech 2024