WorldSpeech: 전 세계의 다국어 음성 코퍼스

요약

WorldSpeech는 전 세계의 다국어 음성 코퍼스를 제공하는 데이터셋으로, 자동 음성 인식(ASR) 모델 학습에 필요한 정렬된 오디오-스크립트 데이터를 수집했습니다. 의회 회의록, 국제 방송 등 다양한 공공 출처에서 76개 언어에 걸쳐 총 65k시간의 방대한 양의 데이터를 구성했습니다. 이 코퍼스를 활용하여 기존 ASR 모델을 파인튜닝했을 때, 유형론적으로 다양한 11개 언어에서 평균 상대 단어 오류율(WER) 감소율 63.5%라는 높은 성능 향상을 입증했습니다.

핵심 포인트

• WorldSpeech는 76개 언어에 걸쳐 총 65k시간의 정렬된 오디오-스크립트 데이터를 포함하는 다국어 음성 코퍼스이다.
• 데이터 출처가 의회 회의록, 국제 방송 등 다양한 공공 영역에서 수집되어 현실적인 다양성을 확보했다.
• 37개 언어는 200시간 이상의 정렬된 음성을 제공하며, 일부 언어는 1k 시간을 초과하는 대규모 데이터를 갖추고 있다.
• WorldSpeech를 이용해 ASR 모델을 파인튜닝했을 때, 평균 WER 감소율 63.5%의 성능 향상을 달성했다.