Hugging Face · 每日论文·2026-11-03 03:00· 2 天前AI 评分41

GigaSpeech 3: 通过弱标注数据扩展多方言阿拉伯语语音识别

GigaSpeech 3: Scaling Multi-Dialect Arabic Speech Recognition with Weakly Labeled Data

AI 导读

GigaSpeech 3 是一个包含 39,000 小时和 1000 万段弱标注语音的阿拉伯语语音识别语料库，覆盖阿尔及利亚、埃及、伊拉克、沙特和叙利亚方言。该语料库通过自监督学习训练标注模型，并在沙特和叙利亚方言上进行四轮噪声学生优化。