VieSpeaker

新的VieSpeaker数据集在无视觉线索的情况下增强了越南语说话人识别能力 · 跟踪3个来源

研究人员推出VieSpeaker，一个用于越南语说话人识别的新大规模数据集，该数据集不依赖视觉线索。该数据集是利用一种新颖的流程构建的，该流程利用文本元数据和大型语言模型推理来推断说话人身份，克服了现有语料库中需要说话人在镜头前的局限性。VieSpeaker包含约902小时的语音，来自4,715名说话人，与现有的越南语数据集相比，在训练模型的鲁棒性和泛化能力方面表现出改进。