卡塔尔计算研究机构 发布 QASR 数据集, 应用在 语音识别、阿拉伯语数据集 领域

卡塔尔计算研究机构 本次发布的数据集 QASR, QASR是由卡塔尔计算研究机构创建的大型阿拉伯语语音数据集，包含2000小时的16kHz采样语音数据，主要来源于Aljazeera新闻频道。该数据集具有轻度监督的转录，与音频片段对齐，并包含语言学驱动的分段、标点、说话人信息等。QASR适用于训练和评估语音识别系统，以及基于声学和/或语言学的阿拉伯方言识别、标点恢复、说话人识别等任务。此外，还发布了包含1.3亿单词的数据集，以帮助设计更好的语言模型。

查看QASR

关于 卡塔尔计算研究机构 , 卡塔尔计算研究机构（Qatar Computing Research Institute, QCRI）是卡塔尔基金会下属的一个研究机构，专注于计算机科学和信息技术领域的研究，包括大数据分析、自然语言处理和社会计算等方向。

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。