BanglaNum -- 用于语音 Bengali 数字识别的公开数据集
介观与纳米尺度物理
2024-03-21 v1
摘要
自动语音识别（ASR）将人类语音转换为易于理解和分类的文本或单词。尽管 Bengali 是世界上最广泛使用的语言之一，但关于 Bengali ASR 的研究仍然很少，尤其是针对孟加拉地区方言的 Bengali。本研究使用大学学生录制的语音数字（0-9）音频资料，创建了一个可用于训练人工神经网络的 Bengali 语音数字数据集，以实现语音基准的数字输入。本文还比较了几种卷积神经网络（CNN）使用声谱图进行 Bengali 数字识别的准确率，并表明在本数据集上，使用参数效率较高的模型如 SqueezeNet 可实现 98.23% 的测试准确率。
引用
@article{arxiv.2403.13464,
title = {Optical Signatures of Moir\'e Trapped Biexcitons},
author = {Samuel Brem and Ermin Malic},
journal= {arXiv preprint arXiv:2403.13464},
year = {2024}
}