arXiv · NLP· Shobhit Banga, Manas Dhir, Aaditya Pareek, Amritansh Walecha, Bhaskar Singh, Hanuman Sidh, Manmeet Kaur, Sagar Jain, Supriya Paul, Vanshika Chhabra, Utkarsh Singh·· 6 小时前AI 评分35
Monsoon：面向50种低资源语言的可扩展自发语音采集框架
Monsoon: Scalable Spontaneous Speech Collection for Low-Resource ASR in 50 Languages
AI 导读
Monsoon 框架通过非脚本对话采集 50 种语言的自发语音，分析 7 个 3,500 小时语料库，质量筛选使语义 WER 相对常规协议降低 10-39%。 Whisper 在 Monsoon 数据上微调后，在对话基准上语义 WER 降低 20-44 个点，且增益可迁移至其他架构并随数据量增长。
来源：arXiv · NLP · arxiv.org