信息通信研究院（I2R） 发布 Contextual Paralinguistic QA (CPQA) 数据集 数据集, 应用在 语音识别、自然语言处理 领域

信息通信研究院（I2R） 本次发布的数据集 Contextual Paralinguistic QA (CPQA) 数据集, 本文提出了一种新的数据集生成框架，用于从野外语音数据中生成包含上下文推理和副语言信息的CPQA数据集。该框架包括数据浓缩和基于LLM的CPQA自动生成。为了解决副语言标签有限且噪声大、CPQA生成困难的问题，该框架使用了SER一致性过滤和出现过滤技术，并利用LLM自动生成QA对。生成的数据集包含480个语音样本，每个样本都配对有CPQA对，旨在为训练具有副语言推理能力的更强大的语音LLM提供支持。

查看Contextual Paralinguistic QA (CPQA) 数据集

README 内容： 

关于 信息通信研究院（I2R） , -

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。