West Point Arabic Speech数据集介绍，官网编号LDC2002S02
·
West Point Arabic Speech（常称 West Point Arabic Speech Corpus，LDC 目录编号 LDC2002S06）是 LDC 发布的现代标准阿拉伯语（MSA）语音识别专用语料库，由美国西点军校主导构建，核心用于阿拉伯语语音识别模型训练、声学建模与方言适配研究，是早期 MSA 语音资源的标杆。以下是详细介绍：
基础信息
| 项目 | 详情 |
|---|---|
| 数据集名称 | West Point Arabic Speech Corpus（LDC2002S06） |
| 构建机构 | 美国西点军校、LDC（Linguistic Data Consortium） |
| 发布时间 | 2002 年 |
| 数据规模 | 约 8400 个语音文件（约 10 小时），含 7200 个母语者录音、1200 个非母语者录音，覆盖 1131 个不同阿拉伯语单词 |
| 语言 | 现代标准阿拉伯语（MSA），含完整变音标注 |
| 数据格式 | WAV 音频（16kHz 采样，16 位单声道），配套 HTK 格式词级 / 单音素级标注、文本脚本与元数据 |
| 获取方式 | LDC 订阅获取，遵守 LDC 数据使用协议，面向科研与非商业用途 |
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
9
0- 0
已为社区贡献19条内容
所有评论(0)