- ???? 声明: 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
❤️专栏:AI 领域数据资源整理❤️ 之【有效拒绝假数据】
???? Follow me ????,一起 Get 更多有趣 AI、冲冲冲 ???? ????
???? 基础信息
- github.com/SpeechColab…
- arxiv.org/abs/2106.06…
- GigaSpeech: An Evolving, Multi-domain ASR Corpus with 10,000 Hours of Transcribed Audio
- 论文摘要如下
本文介绍了 GigaSpeech,这是一个不断发展的多领域英语语音识别语料库,具有 10,000 小时适合监督训练的高质量标记音频,以及 40,000 小时适合半监督和无监督训练的总音频。大约 40,000 小时的转录音频首先从有声读物、播客和 YouTube 中收集,涵盖阅读和自发说话风格,以及各种主题,如艺术、科学、体育等。提出了一种新的强制对齐和分割管道创建适合语音识别训练的句段,并过滤掉转录质量低的句段。对于系统训练,GigaSpeech 提供了五个不同大小的子集,10h、250h、1000h、2500h 和 10000h。对于我们的 10,000 小时 XL 训练子集,我们将过滤/验证阶段的单词错误率上限为 4%,而对于所有其他较小的训练子集,我们将其上限为 0%。另一方面,DEV 和 TEST 评估集由专业的人工转录员重新处理,以确保高转录质量。为流行的语音识别工具包提供了基线系统,即 Athena、ESPnet、Kaldi 和 Pika。
???? 数据集介绍
备注:该部分内容属于截图整理
声明:本部分数据集介绍摘自——清华语音与音频技术实验室
声明:本部分数据集介绍摘自——清华语音与音频技术实验室
致敬各位大佬
???? 下载正确打开方式
???? 下载主页 申请入口如下
???? 填写必要信息
???? 提交成功界面如下
如果填写有误,还可重新编辑
???? 很快邮箱收到下载方式说明
查阅你的邮箱,会得到类似这样的回复
Dear moli,
Thank you for agreeing to GigaSpeech's terms of access. A copy of your agreement has also been attached at the end of this email. To download GigaSpeech:
1. Clone the GigaSpeech repo
Run: git clone https://github.com/SpeechColab/GigaSpeech.git
2. Create password file under GigaSpeech/SAFEBOX
这里会有一个加密解密的命令需要运行
3. Download Gigaspeech
3.1 Make sure you have at least 1.2T of free space under the destination directory
3.2 Run: bash utils/download_gigaspeech.sh YOUR_DESTINATION_DIRECTORY
Regards,
The SpeechColab Team
1.2T 空间,先去清理下磁盘吧
???? 致敬大佬
感谢诸位为全人类的人工智能事业添砖加瓦
更多语音数据集博文总结如下
- ???? 多领域中文语音识别数据集 WenetSpeech 正式发布——有效下载教程
- ???? 语音数据集下载地址汇总| 免费的汉语说话人识别语料库 | Common Voice 数据集 | 下载总结
- ???? 深度学习各领域数据集有效整理——持续更新——墨理学AI
墨理学AI
- 作为全网 AI 领域 干货最多的博主之一,❤️ 不负光阴不负卿 ❤️
- ❤️ 如果文章对你有帮助、点赞、评论鼓励博主的每一分认真创作