BSTC：一个大规模中英语音翻译数据集
计算与语言
2021-04-28 v4
摘要
本文提出 BSTC（百度语音翻译语料库），一个大规模中英语音翻译数据集。该数据集基于一批获授权的演讲或讲座视频构建，包含约 68 小时普通话数据、其人工转写文本及英译文本，以及由自动语音识别（ASR）模型生成的自动转写文本。我们进一步邀请了三位经验丰富的口译员在模拟会议环境中对测试演讲进行同声传译。该语料库有望推动自动同声传译的研究以及实用系统的开发。我们已组织同声传译任务，并利用该语料库对自动同声传译系统进行了评估。
引用
@article{arxiv.2104.03575,
title = {BSTC: A Large-Scale Chinese-English Speech Translation Dataset},
author = {Ruiqing Zhang and Xiyang Wang and Chuanqiang Zhang and Zhongjun He and Hua Wu and Zhi Li and Haifeng Wang and Ying Chen and Qinfei Li},
journal= {arXiv preprint arXiv:2104.03575},
year = {2021}
}
备注
8 pages, 6 figures