HebDB：用于希伯来语语音处理的弱监督数据集
原文中文，约1700字，阅读约需5分钟。
📝
内容提要
本文介绍了多个自动语音识别（ASR）数据集，特别是德语和希伯来语的音频数据集，以解决资源稀缺问题。希伯来语数据集“ivrit.ai”包含3300小时的合法语音数据，促进了相关技术的发展。此外，研究探讨了利用网络音频数据进行口语识别的模型，显示出其优于传统手工标记数据集的效果，为多语言ASR系统的进步提供了重要支持。
❓
Q&A
ivrit.ai 数据集包含多少小时的希伯来语语音数据？
ivrit.ai 数据集包含超过 3300 小时的希伯来语语音数据。
ivrit.ai 数据集的合法性如何？
ivrit.ai 数据集具有合法可获取性，可以无费使用。
ivrit.ai 数据集提供了哪些类型的数据？
ivrit.ai 数据集提供原始未处理音频、经过语音活动检测的数据和部分转录的数据。
使用网络音频数据进行口语识别的模型有什么优势？
利用网络音频数据进行口语识别的模型优于传统手工标记的数据集。
未来对 ivrit.ai 数据集的计划是什么？
未来的努力将进一步扩展 ivrit.ai，以提升希伯来语在人工智能研究和技术方面的地位。
ASR Bundestag 数据集的特点是什么？
ASR Bundestag 数据集包括 610 小时对齐的音频文本对和 1038 小时未标注的音频片段。
🏷️
