FT Speech：丹麦议会语音语料库
计算与语言
2020-10-29 v2 机器学习
声音
音频与语音处理
摘要
本文介绍了 FT Speech，一个由丹麦议会（亦称 Folketing，FT）会议录音创建的新语音语料库。该语料库包含超过 1800 小时的转写语音，来自共计 434 位说话人。在时长、词汇量及自发语音数量上，它均显著大于现有的丹麦公共语音语料库，后者大体局限于朗读与听写数据。我们概述了设计考量，包括预处理方法与对齐流程。为评估语料库质量，我们在该新资源上训练自动语音识别系统，并将其与在 Språkbanken 的丹麦部分（迄今最大的丹麦公共 ASR 语料库）上训练的系统进行比较。我们的基线结果显示在新语料库上取得了 14.01 的 WER。FT Speech 与领域内语言数据的结合提供了可与专门在 Språkbanken 上训练的模型相媲美的结果，表明 FT Speech 能很好地迁移至该数据集。有趣的是，我们的结果表明反之则不成立。这说明 FT Speech 为促进针对更自发语音的丹麦语 ASR 研究提供了宝贵资源。
引用
@article{arxiv.2005.12368,
title = {FT Speech: Danish Parliament Speech Corpus},
author = {Andreas Kirkedal and Marija Stepanović and Barbara Plank},
journal= {arXiv preprint arXiv:2005.12368},
year = {2020}
}
备注
Accepted at Interspeech 2020