RoDia：一个用于语音罗马尼亚方言识别的新数据集
RoDia: A New Dataset for Romanian Dialect Identification from Speech
AI总结：
本文介绍了首个罗马尼亚方言语音识别数据集RoDia，包含2小时标注数据，并提供基线模型，最佳模型宏平均F1达59.83%，表明该任务具挑战性。
摘要：
我们介绍了RoDia，这是首个用于从语音中识别罗马尼亚方言的数据集。RoDia数据集包含了来自罗马尼亚五个不同地区的多样化语音样本，覆盖城市和农村环境，共计2小时的人工标注语音数据。伴随我们的数据集，我们引入了一组具有竞争力的模型，作为未来研究的基线。得分最高的模型实现了59.83%的宏平均F1分数和62.08%的微平均F1分数，表明该任务具有挑战性。因此，我们认为RoDia是一个宝贵的资源，将激发旨在解决罗马尼亚方言识别挑战的研究。我们在https://github.com/codrut2/RoDia发布了我们的数据集。
英文摘要：
We introduce RoDia, the first dataset for Romanian dialect identification from speech. The RoDia dataset includes a varied compilation of speech samples from five distinct regions of Romania, covering both urban and rural environments, totaling 2 hours of manually annotated speech data. Along with our dataset, we introduce a set of competitive models to be used as baselines for future research. The top scoring model achieves a macro F1 score of 59.83% and a micro F1 score of 62.08%, indicating that the task is challenging. We thus believe that RoDia is a valuable resource that will stimulate research aiming to address the challenges of Romanian dialect identification. We release our dataset at https://github.com/codrut2/RoDia.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
