arXiv · NLP· Sanjid Hasan, A H M Fuad, Risalat Labib, Bayazid Hasan Simon·· 5 小时前AI 评分23
Lipi-Ghor: 一个大规模、带说话人分离的多领域孟加拉语语音语料库及其构建流水线
Lipi-Ghor: A Large-Scale, Diarized, Multi-Domain Bengali Speech Corpus and a Scalable Pipeline for Building It
AI 导读
Lipi-Ghor 语料库包含来自 998 个 YouTube 视频、涵盖 17 个领域的 885 小时孟加拉语音频，并带有 SSTT 格式说话人分离标注。它是首个将大规模覆盖与长形式音频的说话人分离标注相结合的孟加拉语语音语料库。语料库构建流水线可在其他拥有字幕 YouTube 资源语言中复现，原始资源以 CC-BY-4.0 许可发布。
来源：arXiv · NLP · arxiv.org