Sagalee：一个面向奥罗莫语的开源自动语音识别数据集
计算与语言
2025-02-04 v1 声音
音频与语音处理
摘要
我们提出了一个面向奥罗莫语（一种在埃塞俄比亚及邻近地区广泛使用的语言）的新型自动语音识别 (ASR) 数据集。该数据集通过众包方式收集，涵盖了多样化的说话人和语音变体。它包含 100 小时的真实世界音频录音及其对应的转录文本，覆盖了干净和嘈杂环境下的朗读语音。该数据集解决了奥罗莫语这一代表性不足的语言对 ASR 资源的迫切需求。为了展示其在 ASR 任务上的适用性，我们使用 Conformer 模型进行了实验，在使用混合 CTC 和 AED 损失时取得了 15.32% 的词错误率 (WER)，在使用纯 CTC 损失时取得了 18.74% 的 WER。此外，对 Whisper 模型进行微调后，WER 显著提升至 10.82%。这些结果为奥罗莫语 ASR 建立了基线，同时凸显了提升奥罗莫语 ASR 性能所面临的挑战与潜力。该数据集已在 https://github.com/turinaf/sagalee 公开，我们鼓励将其用于奥罗莫语语音处理的进一步研究和开发。
引用
@article{arxiv.2502.00421,
title = {Sagalee: an Open Source Automatic Speech Recognition Dataset for Oromo Language},
author = {Turi Abu and Ying Shi and Thomas Fang Zheng and Dong Wang},
journal= {arXiv preprint arXiv:2502.00421},
year = {2025}
}
备注
Accepted for ICASSP2025 (2025 IEEE International Conference on Acoustics, Speech, and Signal Processing)