西江大学 发布 Open Large-scale Korean Audio-Visual Speech (OLKAVS) dataset 数据集, 应用在 语音识别、视听数据 领域

西江大学 本次发布的数据集 Open Large-scale Korean Audio-Visual Speech (OLKAVS) dataset, OLKAVS数据集是由西江大学开发的一个大规模开放的韩语视听语音数据集，是目前公开的最大的视听语音数据集之一。该数据集包含1,150小时的转录音频，来自1,107名韩国演讲者在工作室环境中从九个不同视角录制的视频，涵盖了多种噪声情况。数据集的创建过程包括精心设计脚本、选择演讲者、录制环境和数据后处理等步骤。OLKAVS数据集主要用于韩语语音识别、说话人识别、发音水平分类和口部运动分析等领域的多模态研究，旨在解决现有数据集在语言多样性和视角多样性方面的不足。

查看Open Large-scale Korean Audio-Visual Speech (OLKAVS) dataset

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。