arXivDaily arXiv每日学术速递 周一至周五更新
​通知：联邦节假日调休：哥伦布日 / 原住民日（Columbus Day / Indigenous Peoples' Day），今日（13日）无更新。
arXiv 2512.02201cs.CL

Swivuriso：南非下一代语音多语言语音数据集

Swivuriso: The South African Next Voices Multilingual Speech Dataset

University of Cape Town（开普敦大学）；University of KwaZulu-Natal（夸祖鲁-纳塔尔大学）
Vukosi Marivate, Kayode Olaleye, Sitwala Mundia, Andinda Bakainga, Unarine Netshifhefhe, Mahmooda Milanzie, Tsholofelo Hope Mogale, Thapelo Sindane, Zainab Abdu… 展开作者

Vukosi Marivate, Kayode Olaleye, Sitwala Mundia, Andinda Bakainga, Unarine Netshifhefhe, Mahmooda Milanzie, Tsholofelo Hope Mogale, Thapelo Sindane, Zainab Abdulrasaq, Kesego Mokgosi, Chijioke Okorie, Nia Zion Van Wyk, Graham Morrissey, Dale Dunbar, Francois Smit, Tsosheletso Chidi, Rooweither Mabuya, Andiswa Bukula, Respect Mlambo, Tebogo Macucwa, Idris Abdulmumin, and Seani Rananga

备注：
Work in Progress. Updated in June 2026
阅读 PDF
arXiv 页面 ↗HTML 原文 ↗

AI总结：

介绍Swivuriso，一个3000小时的多语言语音数据集，覆盖南非七种语言，用于自动语音识别技术的开发与基准测试，填补现有数据集空白。

摘要：

本文介绍了Swivuriso，一个3000小时的多语言语音数据集，作为非洲下一代语音项目的一部分开发，旨在支持七种南非语言的自动语音识别（ASR）技术的开发和基准测试。涵盖农业、医疗保健和通用领域主题，Swivuriso填补了现有ASR数据集的重大空白。我们描述了指导数据集创建的设计原则、伦理考虑和数据收集程序。我们展示了使用这些数据训练/微调ASR模型的基线结果，并与相关语言的其他ASR数据集进行了比较。

英文摘要：

This paper introduces Swivuriso, a 3000-hour multilingual speech dataset developed as part of the African Next Voices project, to support the development and benchmarking of automatic speech recognition (ASR) technologies in seven South African languages. Covering agriculture, healthcare, and general domain topics, Swivuriso addresses significant gaps in existing ASR datasets. We describe the design principles, ethical considerations, and data collection procedures that guided the dataset creation. We present baseline results of training/finetuning ASR models with this data and compare to other ASR datasets for the langauges concerned.

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。

↑