GigaSpeechBench

新GigaSpeech 3数据集提升阿拉伯语方言语音识别能力

研究人员开发了GigaSpeech 3，一个旨在改进各种阿拉伯语方言语音识别能力的大规模数据集。该语料库包含39,000小时的弱标注语音，涵盖阿尔及利亚、埃及、伊拉克、沙特和叙利亚阿拉伯语，源自最初的60小时手动标注数据。该数据集已被证明能显著降低特定方言和多方言语音识别模型的词错误率，性能优于现有系统，并增强了Zipformer和Qwen3等模型。