16,000小时、28种语言！新语音翻译语料库是CVSS的8倍
CVSS-X: A Multilingual Speech-to-Speech Translation Corpus for 28 Languages
📖 AI 总结
本文介绍了一个名为CVSS-X的大规模合成语音到语音翻译语料库，其核心思路是反转已有CVSS语料库的翻译方向。CVSS原本将21种语言翻译为英语，而CVSS-X则实现从英语向28种目标语言的翻译，覆盖12个语系。该语料库每种语言约含24万对平行语音，总时长超过16000小时，规模是CVSS的八倍。研究提供两个版本：CVSS-X-C使用每种语言两个标准音色，CVSS-X-T则采用跨语言声音克隆，二者均为全合成数据。评估显示其翻译质量与CVSS相当，且在类型学差异较大的语言间表现稳定。结合CVSS，该工作为双向及多语言语音到语音翻译研究提供了重要资源，代码与数据集已公开。
🔑 关键词速览
| CVSS-X | 一个大规模合成语音到语音翻译语料库，支持从英语翻译成28种目标语言。 |
| CVSS | 一个将21种语言翻译成英语的语音到语音翻译语料库。 |
| 语音到语音翻译 | 一种将一种语言的语音直接转换为另一种语言的语音的技术。 |
| 跨语言语音克隆 | 一种使用一种语言的语音样本生成另一种语言的语音的技术。 |
| 平行语音对 | 两种语言中语义相同的语音样本对，用于训练翻译模型。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅