华南理工大学 发布 Teochew-Wild 数据集, 应用在 语音识别、方言处理 领域

华南理工大学 本次发布的数据集 Teochew-Wild, Teochew-Wild数据集是一个包含潮汕方言语音语料的数据库。该语料库包含了来自多个说话者的18.9小时的潮汕方言语音数据，涵盖了正式和口语表达，并带有精确的正字法和拼音注释。此外，我们还提供了补充的文本处理工具和资源，以推动这种低资源语言的语音任务研究，如自动语音识别（ASR）和文本到语音（TTS）。据我们所知，这是第一个公开可用的带有准确正字法注释的潮汕数据集。我们在语料库上进行了实验，结果表明它在ASR和TTS任务中的有效性。

查看Teochew-Wild

Dataset card 内容： 

Files and versions 内容： 

关于 华南理工大学 , 华南理工大学是中国的一所综合性全国重点大学，位于广东省广州市。它是教育部直属的全国重点大学，也是中国著名的工程教育机构之一。

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。