本次发布的数据集 ADI-20, ADI-20 数据集由 Avignon Université 与 Elyadata 团队构建，是在 ADI-17 基础上的扩展型阿拉伯语方言识别语音语料，覆盖全部阿拉伯语国家方言并显式加入现代标准阿拉伯语（MSA）。数据集总时长约 3556 小时，包含 19 种国家级方言与 MSA，每种方言训练集不少于 53 小时，语音主要来源于 YouTube 节目、广播新闻以及 TunSwitch 等公开语料，并对长于 30 秒的片段进行切分、短于 3 秒的片段予以剔除。作者在 ADI-17 的不平衡基础上补充了突尼斯、巴林等缺失方言以及苏丹、约旦等低资源方言，构建出 ADI-20-53h 与 ADI-20-full 等不同规模子集，用于系统研究训练数据规模与模型复杂度对方言识别性能的影响，并公开相应的数据清单和高性能基线模型，以支持阿拉伯语方言识别、语音识别及下游情感分析、文本归一化等任务的研究与复现。更多信息和数据访问见项目仓库：github.com/elyadata/ADI-20。
README 内容：
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。
_1769672084863.jpg)