AMI Project 发布 AMI Meeting Transcription 数据集, 应用在 自动语音识别、语言模型 领域

AMI Project 本次发布的数据集 AMI Meeting Transcription, 该数据集包括80小时的训练数据，这些数据来自137场会议，每场会议有3至5名发言者，他们使用独立头戴式麦克风进行录音。相应的参考转录文本大约有90万个单词，这些文本被用于AMI语言模型的训练。此外，AMI评估集被用作未见过的测试集，以评估AMI语言模型的表现。规模上，数据集包含80小时的数据、137场会议以及大约90万个单词。任务方面，主要是为自动语音识别进行语言建模。

查看AMI Meeting Transcription

README 内容： 

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。