Golos：用于语音研究的俄语数据集
音频与语音处理
2021-06-21 v1
摘要
本文介绍了一个名为 Golos 的新型俄语语音数据集，这是一个适用于语音研究的大型语料库。该数据集主要由在众包平台上人工标注的录音文件组成。音频总时长约 1240 小时。我们已免费提供该语料库下载，以及在此语料库上基于 CTC 损失训练的声学模型。此外，应用了迁移学习以提升声学模型的性能。为使用束搜索算法评估数据集质量，我们在开放的 Common Crawl 数据集上构建了 3-gram 语言模型。总词错误率（WER）指标分别为约 3.3% 和 11.5%。
引用
@article{arxiv.2106.10161,
title = {Golos: Russian Dataset for Speech Research},
author = {Nikolay Karpov and Alexander Denisenko and Fedor Minkin},
journal= {arXiv preprint arXiv:2106.10161},
year = {2021}
}
备注
5 pages, 3 figures, accepted to Interspeech2021