发布 OLKAVS 数据集, 应用在 视听语音识别、唇语阅读 领域

本次发布的数据集 OLKAVS, 该数据集名为OLKAVS，是迄今为止最大的视听语音数据集，包含了来自1107位韩国发言人的1150小时转录音频。这些音频在录音棚内录制，拥有九种不同的视角以及多种噪声环境。数据集还包括预定义的训练、验证和评估分割，提供了嘴唇和面部边框坐标，以及JSON格式的转录文本。规模上，该数据集包含了1150小时的音频和5750小时的视频，总计超过28000个句子。其任务旨在支持视听语音识别和唇语阅读研究。

查看OLKAVS

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。