塔马舍克语语音资源
计算与语言
2022-04-12 v3
摘要
在本文中，我们提出了两个用于塔马舍克语（Tamasheq）的数据集，该语言是一种主要在马里和尼日尔使用的发展中语言。这两个数据集是为 IWSLT 2022 低资源语音翻译赛道提供的，由来自尼日尔（Studio Kalangou）和马里（Studio Tamani）每日广播新闻的录音集合组成。我们共享（i）大量无标注音频数据（671 小时），涵盖五种语言：尼日尔法语、富拉语（Fulfulde）、豪萨语、塔马舍克语和扎尔马语；以及（ii）一个较小的 17 小时塔马舍克语音频平行语料库，带有句子级的法语翻译。所有数据均在知识共享 BY-NC-ND 3.0 许可下共享。我们希望这些资源能激励语音界使用塔马舍克语开发和评测模型。
引用
@article{arxiv.2201.05051,
title = {Speech Resources in the Tamasheq Language},
author = {Marcely Zanon Boito and Fethi Bougares and Florentin Barbier and Souhir Gahbiche and Loïc Barrault and Mickael Rouvier and Yannick Estève},
journal= {arXiv preprint arXiv:2201.05051},
year = {2022}
}
备注
Accepted to LREC 2022