瑞士议会语料库：一种自动对齐的瑞士德语语音到标准德语文本语料库
计算与语言
2021-06-10 v2 机器学习
摘要
我们提出瑞士议会语料库（SPC），一种自动对齐的瑞士德语语音到标准德语文本语料库。该语料库的首个版本基于伯尔尼州议会的公开数据，包含293小时数据。其通过使用一种新颖的强制句子对齐流程和一种对齐质量估计器创建，该估计器可用于权衡语料库规模与质量。我们在数据的不同子集上训练了自动语音识别（ASR）模型作为基线，并在SPC测试集上取得了0.278的词错误率（WER）和0.586的BLEU分数。该语料库可免费下载。
引用
@article{arxiv.2010.02810,
title = {Swiss Parliaments Corpus, an Automatically Aligned Swiss German Speech to Standard German Text Corpus},
author = {Michel Plüss and Lukas Neukom and Christian Scheller and Manfred Vogel},
journal= {arXiv preprint arXiv:2010.02810},
year = {2021}
}
备注
8 pages, 0 figures