Swivuriso：南非下一代多语言语音数据集
计算与语言
2026-01-21 v2
摘要
本文介绍了 Swivuriso，这是一个由非洲下一代声音项目开发的 3000 小时多语言语音数据集，旨在支持南非七种语言自动语音识别（ASR）技术的开发与基准测试。该数据集涵盖农业、医疗及通用领域话题，填补了现有 ASR 数据集中的重要空白。我们描述了指导数据集创建的数据设计原则、伦理考量以及数据收集程序。我们展示了使用该数据训练/微调 ASR 模型的基线结果，并与其他语言的 ASR 数据集进行比较。
引用
@article{arxiv.2512.02201,
title = {Swivuriso: The South African Next Voices Multilingual Speech Dataset},
author = {Vukosi Marivate and Kayode Olaleye and Sitwala Mundia and Andinda Bakainga and Unarine Netshifhefhe and Mahmooda Milanzie and Tsholofelo Hope Mogale and Thapelo Sindane and Zainab Abdulrasaq and Kesego Mokgosi and Chijioke Okorie and Nia Zion Van Wyk and Graham Morrissey and Dale Dunbar and Francois Smit and Tsosheletso Chidi and Rooweither Mabuya and Andiswa Bukula and Respect Mlambo and Tebogo Macucwa and Idris Abdulmumin and and Seani Rananga},
journal= {arXiv preprint arXiv:2512.02201},
year = {2026}
}
备注
Work in Progress (fixed author name typo)