ASCEND：用于多轮对话中语码转换的自发中英数据集
计算与语言
2022-09-07 v6
摘要
语码转换是指说话者在对话过程中切换语言的一种言语现象。尽管会话口语中的语码转换具有自发性，现有多数工作从朗读语音而非自发语音中收集语码转换数据。ASCEND（A Spontaneous Chinese-English Dataset，自发中英数据集）是一个高质量的普通话-英语语码转换语料库，构建于在香港收集的自发多轮对话源。我们报告了 ASCEND 的语音数据收集设计与流程，包括标注。ASCEND 包含 10.62 小时干净语音，由 23 位中英双语说话者采集。此外，我们使用预训练的 wav2vec 2.0 模型进行基线实验，取得了 22.69% 字符错误率与 27.05% 混合错误率的最佳性能。
引用
@article{arxiv.2112.06223,
title = {ASCEND: A Spontaneous Chinese-English Dataset for Code-switching in Multi-turn Conversation},
author = {Holy Lovenia and Samuel Cahyawijaya and Genta Indra Winata and Peng Xu and Xu Yan and Zihan Liu and Rita Frieske and Tiezheng Yu and Wenliang Dai and Elham J. Barezi and Qifeng Chen and Xiaojuan Ma and Bertram E. Shi and Pascale Fung},
journal= {arXiv preprint arXiv:2112.06223},
year = {2022}
}