语音 - MASSIVE：一个面向 SLU 及更多领域的多语种语音数据集
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本研究介绍了多个多语言数据集，包括MASSIVE、MaSS、MLS和SpeechMatrix，涵盖意图检测、语音识别和翻译等任务。这些数据集为自然语言处理和多语言系统的发展提供了重要资源，推动了相关技术的进步。
❓
Q&A
MASSIVE 数据集包含哪些语言和领域？
MASSIVE 数据集包含 51 种语言、18 种领域、60 个意图和 55 个插槽。
MaSS 数据集的主要用途是什么？
MaSS 数据集主要用于多语言语音转写和翻译任务。
Multilingual LibriSpeech 数据集的特点是什么？
Multilingual LibriSpeech 数据集是一个大型多语言语音研究语料库，包含 8 种语言及相应的自动语音识别模型。
SpeechMatrix 数据集解决了什么问题？
SpeechMatrix 数据集探讨了多语言演讲语音翻译问题及其解决方案。
维基媒体数据集的内容和用途是什么？
维基媒体数据集包含 1780 小时的音频和转录，适用于训练语音识别、语音翻译和机器翻译模型。
M3LS 数据集的规模和目标是什么？
M3LS 数据集是目前最大的多语言多模态摘要数据集，包含超过一百万个新闻文章，跨越 20 种语言。
🏷️
