目錄

Voice Activity Detection

自己采集：

1. ASR Resources（語音識別資源）

2. LM Resources（語言模型資源）

這是一個數據表：

噪聲數據集：

---

Voice Activity Detection

自己采集：

自己分別采集有有聲音的，沒有聲音的

多人說話的，

在語音識別（ASR）中，ASR Resources 和 LM Resources 各自有不同的含義和作用。下面是它們的詳細解釋：

1. ASR Resources（語音識別資源）

ASR 是 Automatic Speech Recognition，即 自動語音識別。是將語音信號轉化為文本。包括：

• 音頻數據集：用于訓練ASR模型的語音數據，如包含不同口音、環境噪音、語速等的多樣化音頻文件。

• 聲學模型：用于將音頻信號轉換為音素（語音單元）或詞的模型，通常通過深度神經網絡（如DNN、CNN、RNN）進行訓練。

• 詞典：包含音素與詞匯的映射關系，幫助ASR系統從音頻信號識別出正確的詞。

• 標注數據：通常包括每個音頻片段與其對應的正確轉錄文本，這些數據用于訓練和評估ASR模型。

2. LM Resources（語言模型資源）

LM 是 Language Model（語言模型）的縮寫。語言模型在語音識別中的作用是根據上下文來預測詞語的出現概率，從而提高識別的準確性。LM Resources 指的是構建和使用語言模型所需的各種資源，主要包括：

• 語言建模語料庫：用于訓練語言模型的文本數據集。它包含大量的文本，幫助模型學習語言的結構、語法和常見的詞組搭配。

• 預訓練語言模型：例如3-gram、5-gram等n-gram模型或更復雜的神經網絡語言模型（如RNN、LSTM、Transformer），用于捕捉詞語之間的統計關系。

• 詞匯表：包含所有模型可能識別的詞匯，可以是訓練語言模型時的一個子集，幫助限制可能出現的詞的范圍。

總結：

• ASR Resources 主要關注與語音信號和音頻處理相關的資源，用來從語音轉化為文本。

• LM Resources 主要關注文本數據和語言結構，用來提高語音識別的上下文理解和準確性。

這兩者結合，能顯著提高語音識別系統的整體效果。

這是一個數據表：

名稱	小時數	語言數	鏈接	許可證	md5sum
Bible.is	53,138	1,596	https://live.bible.is/bible/EN1ESV/MAT/1	獨特的	ea404eeaf2cd283b8223f63002be11f9
globalrecordings.net	9,743	6,171	Global Recordings Network	CC BY-NC-SA 4.0	3c5c0f31b0abd9fe94ddbe8b1e2eb326
VoxLingua107	6,628	107	https://bark.phon.ioc.ee/voxlingua107/	CC BY 4.0	5dfef33b4d091b6d399cfaf3d05f2140
Common Voice	30,329	120	Common Voice	CC0	5e30a85126adf74a5fd1496e6ac8695d
MLS	50,709	8	openslr.org	CC BY 4.0	a339d0e94bdf41bba3c003756254ac4e
總計	150,547	6,171+

可以直接下載的：

MLS

Common Voice

噪聲數據集：

https://github.com/snakers4/silero-vad/wiki/Quality-Metrics#sample-rate-comparison

?

Dataset	Duration, hours	Domain
ESC-50	2.7	Environmental noise
AliMeeting test	43	Far/near meetings speech
Earnings 21	39	Calls
MSDWild	80	Noisy speech
AISHELL-4 test	12.7	Meetings
VoxConverse test	43.5	Noisy speech
Libriparty test	4	Noisy speech
Private noise	0.5	Noisy calls without speech
Private speech	3.7	Speech
Multi-Domain Validation	17	Multi

?