RIR-Mega-Speech：一个带有全面声学元数据和可复现评估的混响语音语料库

尽管对混响语音进行了数十年的研究，但比较方法仍然困难，因为大多数语料库缺乏每个文件的声学标注，或者提供的用于复现的文档有限。我们提出了RIR-Mega-Speech，一个约117.5小时的语料库，通过将LibriSpeech话语与来自RIR-Mega集合的大约5000个模拟房间脉冲响应进行卷积创建。每个文件都包含根据源RIR使用明确定义、可复现的程序计算的RT60、直达混响比（DRR）和清晰度指数（$C_{50}$）。我们还提供了重建数据集和复现所有评估结果的脚本。使用Whisper small模型在1500对话语上，我们测量到干净语音的词错误率（WER）为5.20%（95%置信区间：4.69--5.78），混响版本为7.70%（7.04--8.35），对应的配对增加为2.50个百分点（2.06--2.98）。这代表了48%的相对退化。WER随RT60单调增加，随DRR单调减少，这与先前的感知研究一致。虽然混响损害识别这一核心发现已得到充分证实，但我们旨在为社区提供一个标准化资源，其中声学条件透明，结果可以独立验证。该仓库包含适用于Windows和Linux环境的一键重建说明。