YODAS v3：超过 100 万小时的高带宽、立体声、多语言语音

我们推出了 YODAS v3，这是一个弱标签语音语料库，包含 147 种语言的超过 110 万小时的 48kHz 多通道音频，在 CC BY 3.0 许可下发布。 YODAS v3不仅是迄今为止最大的开放语音数据集，也是第一个真正大规模的高保真立体声语音语料库。我们首先提供语料库的收集方法，引入收集语言平衡语音数据的新技术。我们方法的有效性通过爬取数据的语言分布来体现：YODAS v3 中的 22 种语言有超过 10K 小时的数据，73 种语言有超过 5K 小时的数据。然后，我们对数据的构成进行广泛的分析，例如语言的分布、音频质量和转录质量。最后，我们训练基线语音识别和神经编解码器模型以显示数据集的有效性。从此 https URL 下载。