本研究介绍了SoccerNet-Echoes数据集，利用ASR技术自动生成足球比赛音频解说的文字转录，丰富了视频内容，提升了动作定位、自动字幕生成和比赛摘要等多样化应用领域。SoccerNet-Echoes结合视觉、听觉和文字信息，为算法开发提供全面资源，强调多模态方法在运动分析中的意义，推动该领域的研究和发展。