LibriVoxDeEn：用于德英语音翻译与德语语音识别的语料库
计算与语言
2020-03-05 v3
摘要
我们提出了一个基于德语有声读物的句子对齐三元组语料库，包含德语音频、德语文本和英文翻译。语音翻译数据由110小时音频材料与超过5万条平行句子对齐而成。一个更大的数据集包含547小时德语语音与德语文本对齐，可用于语音识别。音频数据为朗读语音，因此不流畅现象很少。音频与句子对齐的质量已通过人工评估检验，表明语音对齐质量总体非常高。句子对齐质量可与广泛使用的平行翻译数据相媲美，并可通过自动对齐分数的截断值进行调整。据我们所知，该语料库是迄今为止最大的德语语音识别与端到端德英语音翻译资源。
引用
@article{arxiv.1910.07924,
title = {LibriVoxDeEn: A Corpus for German-to-English Speech Translation and German Speech Recognition},
author = {Benjamin Beilharz and Xin Sun and Sariya Karimova and Stefan Riezler},
journal= {arXiv preprint arXiv:1910.07924},
year = {2020}
}
备注
Corpus can be downloaded from: https://www.cl.uni-heidelberg.de/statnlpgroup/librivoxdeen/