Корпус арабской речи

В этой статье есть несколько проблем. Помогите улучшить ее или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалять эти сообщения ) A major contributor to this article appears to have a close connection with its subject. It may require cleanup to comply with Wikipedia's content policies, particularly neutral point of view. Please discuss further on the talk page. (May 2017) (Learn how and when to remove this message) The topic of this article may not meet Wikipedia's general notability guideline. Please help to demonstrate the notability of the topic by citing reliable secondary sources that are independent of the topic and provide significant coverage of it beyond a mere trivial mention. If notability cannot be shown, the article is likely to be merged, redirected, or deleted. Find sources: "Arabic Speech Corpus" – news · newspapers · books · scholar · JSTOR (May 2017) (Learn how and when to remove this message) This article relies excessively on references to primary sources. Please improve this article by adding secondary or tertiary sources. Find sources: "Arabic Speech Corpus" – news · newspapers · books · scholar · JSTOR (May 2017) (Learn how and when to remove this message) (Learn how and when to remove this message)

Корпус арабской речи — это современный стандартный арабский (MSA) речевой корпус для синтеза речи . Корпус содержит фонетические и орфографические транскрипции более 3,7 часов речи MSA, согласованные с записанной речью на уровне фонем. Аннотации включают в себя ударения в словах на отдельных фонемах. ^[1]

Корпус арабской речи был создан в рамках докторского проекта Навара Халаби в Университете Саутгемптона , финансируемого MicroLinkPC, владеющей исключительной лицензией на коммерциализацию корпуса, но корпус доступен для строго некоммерческих целей через официальный веб-сайт Корпуса арабской речи. Он распространяется по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International. ^[2]

Корпус был в основном создан для целей синтеза речи, в частности, синтеза речи , но корпус использовался для создания голосов на основе HMM в арабском языке. Он также использовался для автоматического выравнивания других речевых корпусов с их фонетической транскрипцией и мог использоваться как часть большего корпуса для обучения систем распознавания речи. ^[1]

В комплект поставки входит следующее:

• 1813 .wav-файлов, содержащих устные высказывания.
• 1813 .lab-файлов, содержащих текстовые высказывания.
• 1813 файлов .TextGrid, содержащих метки фонем с временными метками границ, где они встречаются в файлах .wav.
• phonetic-transcript.txt, который имеет вид "[wav_filename]" "[Phoneme Sequence]" в каждой строке.
• orthographic-transcript.txt, который имеет вид "[wav_filename]" "[Orthographic Transcript]" в каждой строке. Орфография в формате Buckwalter, который более удобен там, где есть программное обеспечение, не читающее арабский алфавит. Его можно легко преобразовать обратно в арабский.
• Имеется еще 18 минут полностью аннотированного корпуса (отдельно от приведенного выше, но с той же структурой, что и выше), которые использовались для оценки корпуса (см. докторскую диссертацию).

Корпус также использовался для доказательства того, что использование автоматически извлеченных знаков ударения на основе орфографии ^[3] улучшает качество синтеза речи в MSA.

• Сравнение наборов данных в машинном обучении

• Официальный сайт Корпуса арабской речи
• Лицензия Creative Commons Attribution-NonCommercial-ShareAlike 4.0 Международная