AI4Bharat 发布 BhasaAnuvaad 数据集, 应用在 语音翻译、印度语言 领域

AI4Bharat 本次发布的数据集 BhasaAnuvaad, BhasaAnuvaad是由AI4Bharat的Nilekani中心创建的一个大规模语音翻译数据集，涵盖了13种印度语言和英语，总时长超过44,400小时，包含1700万条文本片段。数据集内容包括从现有资源中精选的数据、大规模网络挖掘数据以及合成数据生成。创建过程结合了多种技术，旨在捕捉印度语言的日常口语特征。该数据集主要用于解决印度语言自动语音翻译领域的资源匮乏问题，推动相关技术的进步。

查看BhasaAnuvaad

关于 AI4Bharat , AI4Bharat是一个专注于利用人工智能技术推动印度社会发展的研究机构。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。