SHAMS：黎凡特阿拉伯语的音频发音基准

黎凡特阿拉伯语 (LA) 有数千万人使用，因此迫切需要共享基准来评估 LA 语音语言技术。鉴于洛杉矶的内部多样性及其不透明和非标准化的拼写法，评估此类技术尤其具有挑战性。我们提出 SHAMS（SHami 带注释的多方言语音），这是一个基准，包含从开放音频语料库中提取的 1,300 条话语，平衡了五个洛杉矶语种（巴勒斯坦城市和农村地区，以及约旦城市、黎巴嫩和叙利亚）。每个话语都由四个对齐的层表示：音频、无声正字法、变音文本和语音转录。该结构支持对各种下游任务的评估，例如变音、字素到音素转换、自动语音识别和音频到音素，以音频为基础并按多样性分层。我们对这些任务的开放和专有模型进行了基准测试，以证明该基准测试在衡量整个洛杉矶的进展方面的实用性。我们在 https://shams-nlp.github.io 发布 SHAMS。