中央研究院 发布 TMNews 数据集, 应用在 语音识别、语音增强 领域

中央研究院 本次发布的数据集 TMNews, TMNews数据集是由中央研究院的研究人员开发的，旨在为普通话中文语音数据的收集提供一个音节平衡和丰富的句子集合。该数据集包含400个十字句，覆盖了现实世界中84%的音节，并且其音节分布与现实世界的音节分布具有0.96的余弦相似度。数据集的创建过程涉及从大型中文新闻文本语料库中提取候选句子，并应用遗传算法选择音节平衡的句子集合。TMNews数据集主要用于语音增强和自动语音识别等语音处理任务的训练和评估，以提高这些模型在现实环境中的性能。

查看TMNews

关于 中央研究院 , 中央研究院是台湾地区最高学术研究机构，涵盖自然科学、人文社会科学等多个研究领域，致力于推动学术研究和知识创新。

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。