字节跳动 发布 GigaST 数据集, 应用在 语音翻译、机器翻译 领域

字节跳动 本次发布的数据集 GigaST, GigaST是由字节跳动创建的一个大规模伪语音到文本翻译（ST）数据集，基于GigaSpeech英语ASR数据集，将其转录翻译成德语和中文。该数据集通过强大的机器翻译系统翻译训练集，人工翻译测试集，显著提升了MuST-C英语-德语基准测试集的性能。GigaST数据集不仅包含英语-中文（En-Zh）和英语-德语（En-De）翻译方向，还通过发布训练脚本，便于复现其系统，旨在推动语音翻译领域的研究。

查看GigaST

关于 字节跳动 , 字节跳动是一家全球领先的科技公司，专注于人工智能技术的研究和应用，旗下拥有多个知名产品，如抖音、今日头条等。

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。