一个哈萨克语的数据集,是指令识别的唇部动作

科学领域:

• 计算机科学 计算机科学
• 语言学的语言学.
• 语音技术 语言技术

背景情况:

• 嘴唇阅读系统以视觉方式解释语音,当音频无法使用时至关重要.
• 有效的口唇阅读模型需要专门的身体来捕捉语言和视觉发音的变化.
• 现有的资源可能无法充分代表像哈萨克语这样的多种语言.

研究的目的:

• 介绍一个专门用于哈萨克斯坦口唇阅读的新型视觉体.
• 促进开发更准确的哈萨克斯坦唇读技术.
• 支持多式联络语音识别领域的研究.

主要方法:

• 收集了26名参与者的视频录像,这些参与者的年龄范围广泛.
• 专注于102个常见的哈萨克名词,具有独特的发音模式.
• 产生了大约34,000个视频剪辑,总计120万.

主要成果:

• 创建了一个全面的,注释的视觉语料库,用于哈萨克斯坦的唇读.
• 该集体捕捉了大量的语言和发音多样性.
• 数据库是技术进步的宝贵资源.

结论:

• 新的哈萨克斯坦唇读体对于改善语音识别至关重要.
• 这个资源将推动视觉语音处理的进一步研究.
• 它有望增强多式联络语音识别应用程序.