南开大学 发布 LibriSpeechMix 数据集, 应用在 多说话人语音识别、语音重叠处理 领域

南开大学 本次发布的数据集 LibriSpeechMix, LibriSpeechMix是一个多说话人自动语音识别（MTASR）的基准数据集，由LibriSpeech数据集通过模拟重叠语音生成。该数据集包含两人对话（LSM-2mix）和三人对话（LSM-3mix）的场景，并模拟了不同程度的重叠情况，用于评估MTASR模型在不同重叠条件下的鲁棒性。数据集创建过程中，将LibriSpeech训练集中的语音片段随机配对，并引入随机时间偏移，以生成两人对话的训练数据。同时，为使模型适应单说话人和多说话人场景，将部分两人对话与原始单说话人语音片段合并，形成了最终约1.35k小时的训练集。该数据集旨在解决多说话人场景下的语音识别问题，为会议转录和多方对话分析等应用提供数据基础。

查看LibriSpeechMix

关于 南开大学 , 南开大学是中国天津市的一所综合性大学，成立于1919年，是教育部直属的全国重点大学。该校在国内外享有盛誉，是中国的一流大学之一，拥有多个学科领域的优势和专业特色。

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。