河内科技大学 发布 VoxVietnam 数据集, 应用在 语音识别、说话人识别 领域

河内科技大学 本次发布的数据集 VoxVietnam, VoxVietnam是由河内科技大学开发的首个越南语多类型说话人识别数据集，包含来自1,406位说话者的187,980条语音片段，总时长为261小时。数据集涵盖了日常对话中的三种主要语音类型：阅读、自发和歌唱。通过自动化管道从公开资源中构建，数据集具有丰富的类型多样性，能够有效支持多类型语音场景下的说话人识别研究。该数据集的应用领域包括语音识别、说话人验证等，旨在解决多类型语音场景下的模型性能提升问题。

查看VoxVietnam

关于 河内科技大学 , 河内科技大学是越南的一所著名高等学府，位于首都河内。该校以工程和技术学科见长，提供多个本科、硕士和博士学位课程，是越南重要的教育和研究中心之一。

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。