韩国科学技术院本次发布的数据集LRS-VoxMM，LRS-VoxMM是由韩国科学技术院构建的野外环境音视频语音识别基准数据集，基于多领域YouTube对话语料库VoxMM精选而成。该数据集包含29,146条样本，总时长25.3小时，涵盖12个不同领域的真实对话场景，具有人类标注的精确文本转录和丰富的元数据。通过严格的样本筛选流程，保留1-25秒的单人说话片段，并采用LRS系列标准格式进行音频重采样（16kHz）和视频处理（25fps/224×224分辨率）。其特色在于包含原始测试集和四种合成失真变体（噪声/混响/带宽限制组合），为研究复杂声学条件下的多模态语音识别提供了标准化评估平台，特别适用于验证视觉信息在音频退化场景中的补偿作用。
详情页内容：
_1769672084863.jpg)