天津大学 发布 MAVD 数据集, 应用在 视听语音识别、数据集 领域

天津大学 本次发布的数据集 MAVD, MAVD是由天津大学智能与计算学部创建的大型普通话视听数据集，包含12,484条由64位母语为汉语的说话者录制的语句。数据集不仅包含传统的音频信号和RGB图像，还特别捕捉了深度信息，使用微软的Azure Kinect设备进行数据采集。MAVD旨在覆盖多样化的现实场景，通过自动化的文本清洗和过滤流程确保数据质量。该数据集适用于音频-视觉语音识别研究，特别是解决在噪声环境下的语音识别问题，为普通话视听语音识别领域提供了重要的资源。

查看MAVD

README 内容： 

关于 天津大学 , 天津大学是中国的一所著名综合性大学，位于天津市，是中国最早的现代大学之一，以工科为主，涵盖理、工、文、法、经济、管理、教育、艺术等多个学科领域。

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。