挪威议会语音语料库

挪威议会语音语料库（NPSC）是一个包含挪威议会 Stortinget 会议录音的语音数据集。它是首个公开可用、包含为非脚本挪威语语音且为训练自动语音识别（ASR）系统而设计的语料库。录音经人工转写并标注语言代码与说话人，且含有关于说话人的详细元数据。转写存在规范与非规范两种形式，非标准词被显式标记并标注标准等价词。为测试该数据集的效用，我们将一个在 NPSC 上训练的 ASR 系统与仅在文稿朗读语音上训练的基线系统比较。这些系统在包含自发方言语音的独立数据集上测试。NPSC 训练的系统表现显著更优，词错误率（WER）相对提升 22.9%。此外，在 NPSC 上训练显示出方言上的“民主化”效应，因为基线系统 WER 较高的方言其改进通常更大。