CoVoST 2与大规模多语言语音到文本翻译
计算与语言
2020-10-27 v3 声音
音频与语音处理
摘要
语音翻译近期已成为日益热门的研究课题，部分归因于基准数据集的发展。然而，当前数据集覆盖的语言数量有限。为了促进大规模多语言语音翻译以及低资源语言对的语音翻译研究，我们发布CoVoST 2，一个大规模多语言语音翻译语料库，覆盖从21种语言到英语的翻译以及从英语到15种语言的翻译。从总量和语言覆盖角度看，这是迄今最大的开放数据集。数据健全性检查提供了数据质量证据，数据以CC0许可发布。我们还提供了广泛的语音识别、双语与多语言机器翻译以及语音翻译基线及开源实现。
引用
@article{arxiv.2007.10310,
title = {CoVoST 2 and Massively Multilingual Speech-to-Text Translation},
author = {Changhan Wang and Anne Wu and Juan Pino},
journal= {arXiv preprint arXiv:2007.10310},
year = {2020}
}