时间:2024-07-29 09:33:33
作者:景联文科技
浏览: 次
中国电信人工智能研究院(TeleAI)正式对外发布星辰超多方言语音识别大模型。这是业内首个支持30种方言自由混说的语音识别大模型,也是目前国内支持最多方言的语音识别大模型。
方言语音大模型具有广泛的应用场景,可以应用于语音助手、智能家居、智慧客服等领域,还可以让说方言的群体能便捷地与外界沟通。
数据作为训练大模型的养料,其质量在很大程度上决定了大模型本身的性能。高质量方言语音数据一直处于匮乏状态,已成为方言语音大模型的难题之一。
景联文科技是一家专业的大模型数据服务商,推出方言音文对数据集,为方言语音大模型赋能。
方言音文对数据集
数据集规模:1万小时音频数据,涵盖23种方言。
数据内容:每个语音都有相应的文本精准转录,每个方言类别都包含数千小时的音频录音,涵盖了日常对话、新闻播报、故事讲述等多个场景。语音清晰无误,没有过多的背景噪音干扰。
年龄分布:说话者的年龄分布应该广泛,包括儿童、青少年、成年人和老年人。
性别比例:男性和女性说话者的比例应均衡。
方言覆盖范围:涵盖四川话、粤语、绍兴话等23种方言。
应用场景:
l 语音识别:训练和评估语音识别模型,特别是在方言识别上的性能。
l 自然语言处理:用于开发针对特定方言的自然语言理解和生成系统。
l 语言学研究:为语言学家提供丰富的研究材料,帮助他们更好地了解方言的特点和发展趋势。
l 文化保护:通过记录方言,有助于保存和传承地区文化和语言多样性。
技术特点:
l 高质量录音:所有录音均采用专业设备,在控制良好的环境中录制,确保音频质量。
l 标准化转录:文本转录遵循一定的规则和标准,便于模型训练和评估。
l 广泛代表性:覆盖的方言种类广泛,能够代表中国的方言多样性。
l 多场景覆盖:包含多种不同的对话场景,使数据集更加丰富和实用。
在数据安全与合规方面,景联文科技已通过ISO9001质量、ISO27001信息安全、ISO27701国际隐私安全管理认证,积极参与8项国家数据交换格式和数据安全标准制定,牢固构筑数据保护的基石。
获取样例请登录景联文科技官网咨询客服。https://www.jinglianwen.com/ai/
或直接发送需求至邮箱:lx@jinglianwen.com
景联文科技|数据采集|数据标注|多模态数据集
助力人工智能技术,赋能传统产业智能化转型升级
文章图文著作权归景联文科技所有,商业转载请联系景联文科技获得授权,非商业转载请注明出处。