Auto-Landmark：声学标志点数据集与标志点提取开源工具包
音频与语音处理
2025-05-26 v2
摘要
在语音信号中，声学标志点识别了语言动机区别特征的声学表现最为显著的时刻。声学标志点已广泛应用于各个领域，包括语音识别、语音抑郁检测、语音异常的临床分析以及障碍语音检测。然而，目前没有提供标志点精确时间信息的数据集，而这已被证明对于涉及标志点的下游应用至关重要。在本文中，我们基于先前的研究选择了最有用的声学标志点，并结合音素边界信息和人工检查，用它们对 TIMIT 数据集进行了标注。此外，以前的标志点提取工具未开源或未进行基准测试，为了解决这一问题，我们开发了一个基于 Python 的开源标志点提取工具，并建立了一系列标志点检测基线。作为同类首创，带有标志点精确时间信息的数据集、标志点提取工具和基线旨在支持广泛的未来研究。
引用
@article{arxiv.2409.07969,
title = {Auto-Landmark: Acoustic Landmark Dataset and Open-Source Toolkit for Landmark Extraction},
author = {Xiangyu Zhang and Daijiao Liu and Tianyi Xiao and Cihan Xiao and Tuende Szalay and Mostafa Shahin and Beena Ahmed and Julien Epps},
journal= {arXiv preprint arXiv:2409.07969},
year = {2025}
}