发布 Mandarin Audio-Visual Corpus 数据集, 应用在 语音识别、多说话人分离 领域

本次发布的数据集 Mandarin Audio-Visual Corpus, 该数据集是从YouTube收集的，包含大约200小时的音频数据，涉及1500位发言者。该数据集包括多通道多说话人模拟数据，具体来说，训练、验证和测试环节分别包含153800、500和1053个多通道混合音频。这些数据特征表现在单个发言中最多有三名说话人同时发言。该数据集的规模为200小时，涉及1500位发言者，旨在用于多说话人语音分离和识别任务。

查看Mandarin Audio-Visual Corpus

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。