南加州大学 发布 Vox-Profile 数据集, 应用在 语音识别、说话者特征 领域

南加州大学 本次发布的数据集 Vox-Profile, Vox-Profile是一个全面的基准数据集，用于通过语音基础模型表征丰富的说话者和语音特征。与仅关注说话者特征的现有研究不同，Vox-Profile提供了全面的多维描述，反映了静态说话者特征（如年龄、性别、口音）和动态语音特征（如情绪、语音流畅度）。该基准基于语音科学和语言学，与领域专家合作开发，以准确索引说话者和语音特征。我们使用超过15个公开可用的语音数据集和几种广泛使用的语音基础模型进行基准实验，这些模型针对各种静态和动态说话者和语音属性。除了基准实验之外，我们还展示了Vox-Profile支持的几个下游应用。首先，我们展示了Vox-Profile可以增强现有的语音识别数据集以分析ASR性能的变化性。Vox-Profile还用作评估语音生成系统性能的工具。最后，我们通过与人工评估的比较来评估我们的自动化描述的质量，并展示了收敛效度。

查看Vox-Profile

README 内容： 

关于 南加州大学 , 南加州大学（University of Southern California，简称USC）是一所位于美国加利福尼亚州洛杉矶的私立研究型大学，是美国大学协会成员之一，也是美国西海岸最古老的私立研究型大学。

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。