📖 AI 总结

塔马齐格特语（阿马齐格语）与阿拉伯语同为摩洛哥官方语言，但在语音技术领域资源严重匮乏，现有公开标注音频稀缺、缺乏地区变体信息且转写质量参差不齐。为此，研究者构建了TutlAit数据集，通过专门开发的众包网络应用采集摩洛哥塔马齐格特语语音，并配以现代标准阿拉伯语文本和明确的地区口音标签。数据采集采用两种流程：文本到音频（显示阿拉伯语句子，志愿者用塔马齐格特语口述）和音频到文本（播放塔马齐格特语片段，志愿者输入阿拉伯语转写），另从公开音视频媒体补充部分经ELAN标注的片段。所有上传内容统一转换为16kHz单声道WAV格式，经SHA-256哈希去重、时长校验和管理员审核。数据集共包含13384个音频文件，总时长约20.9小时（约3.01GB），其中阿特拉斯变体9956个文件（14.08小时），苏斯变体3378个文件（6.75小时），另含少量里夫和卡拜尔子集。该语料可用于摩洛哥塔马齐格特语的语音识别、语音翻译和口音识别研究。

🔑 关键词速览