瑞士西北应用科学与艺术大学 发布 Swiss Parliaments Corpus Re-Imagined (SPC_R) 数据集, 应用在 自然语言处理、自动语音识别 领域

瑞士西北应用科学与艺术大学 本次发布的数据集 Swiss Parliaments Corpus Re-Imagined (SPC_R), 瑞士议会语料库的重构版（SPC_R）是一个增强型转录数据集，将整个多小时的瑞士德语辩论会议转录成高质量的语音-文本对。数据集包含801小时的音频，其中751小时通过了质量控制。SPC_R语料库的创建过程包括使用Whisper Large-v3进行转录，然后使用GPT-4o进行两步校正，并通过预测BLEU分数进行筛选。该数据集适用于瑞士德语自然语言处理应用，旨在解决低资源领域自动语音识别系统开发的数据稀缺问题。

查看Swiss Parliaments Corpus Re-Imagined (SPC_R)

Dataset card 内容： 

Files and versions 内容： 

关于 瑞士西北应用科学与艺术大学 , 瑞士西北应用科学与艺术大学是瑞士的一所重要高等教育机构，提供广泛的应用科学和艺术领域的教育和研究。该大学以其创新的教学方法和紧密的产业联系而闻名，致力于培养具有实践能力和创新精神的学生。

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。