印度理工学院马德拉斯分校 发布 LAHAJA 数据集, 应用在 语音识别、印度语多口音 领域

印度理工学院马德拉斯分校 本次发布的数据集 LAHAJA, LAHAJA数据集由印度理工学院马德拉斯分校的AI4Bharat团队创建，旨在评估多口音的印度语自动语音识别系统。该数据集包含12.5小时的印度语音频，来自132名说话者，覆盖了印度的83个地区。数据集的内容包括阅读和即兴演讲，涉及多个领域和使用场景。数据集的创建过程包括招募参与者、数据收集、转录和统计分析。LAHAJA数据集主要应用于语音识别技术的研究和开发，特别是在处理印度语的多口音问题上。

查看LAHAJA

README 内容： 

关于 印度理工学院马德拉斯分校 , 印度理工学院马德拉斯分校是印度顶尖的工程学府之一，以其卓越的教育和研究在国内外享有盛誉。

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。