MuAViC：面向鲁棒语音识别与鲁棒语音到文本翻译的多语言视听语料库
计算与语言
2023-03-08 v2 音频与语音处理
摘要
我们介绍 MuAViC，一个用于鲁棒语音识别和鲁棒语音到文本翻译的多语言视听语料库，提供 9 种语言的 1200 小时视听语音。它已完全转写，并涵盖 6 个英语到 X 的翻译方向以及 6 个 X 到英语的翻译方向。据我们所知，这是首个视听语音到文本翻译的开放基准，也是最大的多语言视听语音识别开放基准。我们的基线结果表明，MuAViC 对于构建抗噪声的语音识别和翻译模型是有效的。我们在 https://github.com/facebookresearch/muavic 提供该语料库。
引用
@article{arxiv.2303.00628,
title = {MuAViC: A Multilingual Audio-Visual Corpus for Robust Speech Recognition and Robust Speech-to-Text Translation},
author = {Mohamed Anwar and Bowen Shi and Vedanuj Goswami and Wei-Ning Hsu and Juan Pino and Changhan Wang},
journal= {arXiv preprint arXiv:2303.00628},
year = {2023}
}