中国电信人工智能研究院（TeleAI） 发布 TeleSpeechPT 数据集, 应用在 语音识别、方言处理 领域

中国电信人工智能研究院（TeleAI） 本次发布的数据集 TeleSpeechPT, TeleSpeechPT数据集包含约30万小时的方言和口音语音数据，用于训练无监督模型，以及包含4万小时的监督数据集。该数据集旨在解决中国方言和口音的语音识别问题，通过结合自监督学习和大型语言模型（LLM）来提升语音识别性能。数据集内容涵盖多个方言和口音，包括安徽、甘肃、河北、山东、山西、天津、广东、河南、四川、重庆、东北、陕西、湖北、福建、贵州、杭州、湖南、江西、上海、苏州、云南和客家等。数据集创建过程涉及对大量语音数据的收集和预处理，以及使用自监督学习方法进行模型训练。该数据集可应用于语音识别、语音合成和语音增强等领域，旨在解决方言和口音语音识别的挑战。

查看TeleSpeechPT

关于 中国电信人工智能研究院（TeleAI） , 中国电信人工智能研究院（TeleAI）是中国电信下属的研究机构，专注于人工智能领域的研发和应用，推动通信行业与人工智能的深度融合。

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。