TUB手势语言语料库收集
计算与语言
2025-08-08 v1
摘要
我们 presented 收集了12种手势语言的平行语料库，以视频格式呈现，同时包含对应国家主导语言的字幕。整个语料库包括超过1,300小时，涵盖4,381个视频文件，配套130万字幕，包含1400万个标记。最显著的是，该语料库包含8种拉丁美洲手势语言的首个一致平行语料库，而德语手势语言语料库的规模是此前可得语料库的十倍。该收集由从多种在线来源收集和处理手势语言视频而成，主要包括新闻节目、政府机构和教育频道的播出内容。准备工作包括数据收集、通知内容创建者并寻求使用许可、抓取和裁剪等多个阶段。该论文提供了该收集的统计数据以及用于收集数据的概述方法。
引用
@article{arxiv.2508.05374,
title = {The TUB Sign Language Corpus Collection},
author = {Eleftherios Avramidis and Vera Czehmann and Fabian Deckert and Lorenz Hufe and Aljoscha Lipski and Yuni Amaloa Quintero Villalobos and Tae Kwon Rhee and Mengqian Shi and Lennart Stölting and Fabrizio Nunnari and Sebastian Möller},
journal= {arXiv preprint arXiv:2508.05374},
year = {2025}
}