RegSpeech12：巴尔干语区域性口语语料库
计算与语言
2025-10-29 v1
摘要
巴尔干语在南亚及其社区中广泛使用，呈现出由地理、文化和历史塑造的显著方言多样性。语音学和发音学分类通常识别为五个主要方言群：东巴尔干语、曼布米、朗普uri、瓦伦德里和拉尔希。就巴尔干语而言，在孟加拉国进一步的区分体现在词汇、语法和形态学方面的变异，例如在奇伊塔古、西莱希特、朗普尔、拉什哈伊、诺阿卡里和巴里舍尔等地区所观察到的变异。尽管存在这种语言丰富性，但系统性的研究在计算处理巴尔干语方言方面仍有限。本研究旨在记录和分析这些方言的语音和形态学特征，同时探讨构建计算模型（特别是针对区域性方言的自动语音识别系统）的可行性。此举有望为虚拟助手和更广泛的语言技术应用提供潜力，既有助于保护方言多样性，也有助于为巴尔干语使用者社区提供包容性的数字工具。为本研究创建的数据集已公开发布供广泛使用。
引用
@article{arxiv.2510.24096,
title = {RegSpeech12: A Regional Corpus of Bengali Spontaneous Speech Across Dialects},
author = {Md. Rezuwan Hassan and Azmol Hossain and Kanij Fatema and Rubayet Sabbir Faruque and Tanmoy Shome and Ruwad Naswan and Trina Chakraborty and Md. Foriduzzaman Zihad and Tawsif Tashwar Dipto and Nazia Tasnim and Nazmuddoha Ansary and Md. Mehedi Hasan Shawon and Ahmed Imtiaz Humayun and Md. Golam Rabiul Alam and Farig Sadeque and Asif Sushmit},
journal= {arXiv preprint arXiv:2510.24096},
year = {2025}
}
备注
26 pages