STT4SG-350：覆盖所有瑞士德语方言区的语音语料库
计算与语言
2023-05-31 v1 人工智能
摘要
我们提出 STT4SG-350（Speech-to-Text for Swiss German，瑞士德语语音转文本），一个瑞士德语语音语料库，在句子层级以标准德语文本进行标注。数据通过一款网络应用收集，其中向说话者展示标准德语句子，由其翻译为瑞士德语并录音。我们公开该语料库。它包含来自所有方言区的343小时语音，是迄今最大的公开瑞士德语语音语料库。应用领域包括自动语音识别（ASR）、文本转语音、方言识别和说话人识别。提供了316名说话人的方言信息、年龄组和性别。性别比例均衡，且语料库涵盖所有年龄段的说话人。每个方言区提供的语音量大致相同，使该语料库非常适合于针对不同方言的语音技术实验。我们提供了数据的训练、验证和测试划分。测试集由每个方言区相同的口语句子组成，可对不同的方言中语音技术质量进行公平评估。我们在训练集上训练了一个 ASR 模型，并在测试集上取得了平均 BLEU 分数 74.7。该模型在另外2个瑞士德语 ASR 测试集上击败了已发表的最佳 BLEU 分数，证明了语料库的质量。
引用
@article{arxiv.2305.18855,
title = {STT4SG-350: A Speech Corpus for All Swiss German Dialect Regions},
author = {Michel Plüss and Jan Deriu and Yanick Schraner and Claudio Paonessa and Julia Hartmann and Larissa Schmidt and Christian Scheller and Manuela Hürlimann and Tanja Samardžić and Manfred Vogel and Mark Cieliebak},
journal= {arXiv preprint arXiv:2305.18855},
year = {2023}
}