LibriSpeech

LibriSpeech 是一個非常著名的語音資料集，主要用於自動語音識別（ASR，Automatic Speech Recognition）系統的訓練與評估。以下是關於 LibriSpeech 的繁體中文說明：

• 資料規模與來源：
  LibriSpeech 是一個包含約1000小時、取樣率為16kHz的英文朗讀語音語料庫。該資料集的音頻檔取自 LibriVox 項目中的公有領域有聲書，經過精細的切割與對齊處理。
• 資料特性：
  LibriSpeech 提供的是「朗讀語音」，與日常對話錄音有所區別，因此語音質量普遍較高，噪聲較少。語料根據講者的識別性能被分為兩類：
• • clean：質量較好，誤差率較低的語音片段，
  • other：質量較差或語音較難辨識的片段。
• 主要用途：
• • 自動語音識別模型的訓練與性能測試，
  • 語者識別系統的訓練，
  • 相關語音技術的研究與開發。
• 評估標準：
  常用的評估標準為字錯誤率（WER, Word Error Rate），LibriSpeech 也擁有活躍的競賽排行榜，方便研究者比對模型效果。
• 技術背景：
  LibriSpeech 由 Vassil Panayotov 與 Daniel Povey 等人整理，並且有針對該資料集設計的 Kaldi 語音識別腳本，方便快速搭建模型實驗。

此外，也有擴展的版本如「Spatial LibriSpeech」，用於空間音訊與聲源定位的研究，增加多通道音訊與模擬音響環境參數。