Task-Lens：基于跨任务效用的印度低资源语言语音数据集轮廓

包容性语音技术日益增长的需求放大了对自然语言处理（NLP）研究的多语言数据集需求。然而，对现有任务特定资源在低资源语言中的了解不足阻碍了研究。这一挑战在语言多样性国家（如印度）尤为突出。对现有印度语音数据集进行跨任务轮廓化可缓解数据稀缺挑战。这涉及调查数据集在多个下游任务中的效用，而不仅仅是关注单个任务。以往的调查通常仅针对单个任务对数据集进行目录化，留下了全面的跨任务轮廓化作为开放机会。因此，我们提出了Task-Lens，一个跨任务调查，评估了50个印度语音数据集在9个下游语音任务中的准备就绪情况。首先，我们分析哪些数据集包含适合特定任务的元数据和属性。接下来，我们提出与任务对齐的增强措施，以释放数据集的下游潜能。最后，我们识别出当前资源中关键欠服务的任务和印度语言。我们的发现表明，许多印度语音数据集包含可支持多个下游任务的未开发元数据。通过揭示跨任务联系和差距，Task-Lens使研究人员能够探索现有数据集的更广泛适用性，并优先考虑为欠服务的任务和语言创建数据集。