Moonshot AI 发布 Kimi-Audio 数据集, 应用在 音频处理、语音识别 领域

Moonshot AI 本次发布的数据集 Kimi-Audio, Kimi-Audio是一个开源的音频基础模型，专注于音频理解、生成和对话。该数据集由超过1300万小时的音频数据组成，涵盖了包括语音、声音和音乐等多种模式。为了构建高质量的多样化后训练数据，开发了一个数据处理流程，包括语音增强、语音分割、转录、过滤等。数据集的创建旨在支持各种音频处理任务，包括语音识别、音频理解、音频问答和语音对话等。Kimi-Audio在多个音频基准测试中取得了最先进的性能，并在各种音频任务中表现出色。

查看Kimi-Audio

README 内容： 

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。