Lipi-Ghor：首个带说话人分离的孟加拉语大规模语料库发布

2026 年 10 月 28 日，Sanjid Hasan 团队在 arXiv 发布 Lipi-Ghor 语料库及其构建流水线。该语料库收录 998 个 YouTube 视频、涵盖 17 个领域的 885 小时孟加拉语音频，并带有说话人分离标注，是首个结合大规模覆盖与长形式音频的孟加拉语多领域语料库。 发布内容限定清晰：视频 ID 列表、说话人分离结果、流水线代码与金标准标注以 CC-BY-4.0 许可开放；字幕衍生转录文本仅限研究用途使用，且原始音频不重新分发。该流水线具备可复现性，可供其他拥有字幕 YouTube 资源的语言参考实现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。