AISHELL-5 全球首套智能驾舱中文语音交互数据集开源

随着汽车成为人们日常生活中不可或缺的一部分,而驾驶舱中传统的触摸交互方式容易分散驾驶员的注意力,存在安全风险,因此,车内基于语音的交互方式得到重视。与通常家庭或会议场景中的语音识别系统不同,驾驶场景中的系统面临更加独特的挑战,缺乏大规模的公共真实车内数据一直是该领域发展的主要障碍。AISHELL-5 是首个开源的真实车载多通道、多说话人中文自动语音识别(ASR)高质量数据集。AISHELL-5 的开源加速了智能驾舱内语音交互的相关技术研究,并且希尔贝壳 联合西工大音频语音与语言处理研究组(ASLP@NPU)理想汽车 发布的AISHELL-5 论文成功入选INTERSPEECH2025 国际会议****,**** 以下是AISHELL-5数据集的相关介绍。

数据地址: https://www.aishelltech.com/AISHELL_5

数据说明

AISHELL-5 共计893.7小时,单通道145.25小时。邀请165名录音人,在真实车内,涉及****60+****车载场景下录制。录音内容包含对话(706.59H)和噪声(187.11H)两类。拾音点位共计5个:近讲为头戴麦克风(采样率:16kHz,16bit,数据量:215.63H),远讲为驾舱内麦克风(采样率:16kHz,16bit,数据量:490.96H,拾音位:4个音位)。噪声采集由驾舱内麦克风(采样率:16kHz,16bit,数据量:187.11H,拾音位:4个音位)录制。

录制场景示意图:

录制环境设计信息:

实验数据分配如下:

试验说明

我们提供了基于该数据集构建的一套开源基线系统 。该系统包括一个语音前端模型 ,利用语音源分离技术从远场信号中提取出每位说话人的清晰语音,以及一个语音识别模块,用于准确转写每位说话人的语音内容。

系统实验结果:

实验结果展示了多种主流ASR 模型在 AISHELL-5 数据集上面临的挑战。AISHELL-5 数据的开源能够推动智驾领域复杂驾舱场景下的语音技术研究

相关推荐
温轻舟7 小时前
3D词云图
前端·javascript·3d·交互·词云图·温轻舟
儿歌八万首15 小时前
uniapp 和原生插件交互
uni-app·交互
皮皮灬虾17 小时前
微信小程序下单页—地址列表页—新增地址页 页面交互
微信小程序·小程序·交互
mit6.82410 天前
[muduo] TcpConnection | 回调交互
c++·交互
Allen Bright10 天前
【JS-4.4-键盘常用事件】深入理解DOM键盘事件:提升用户交互体验的关键
javascript·计算机外设·交互
望获linux11 天前
【实时Linux实战系列】实时I/O操作与中断处理
linux·服务器·microsoft·操作系统·交互·rtos·嵌入式软件
11 天前
Lua复习之何为闭包
开发语言·unity·游戏引擎·lua·交互
MarsBighead11 天前
LLM-201: OpenHands与LLM交互链路分析
python·ai·llm·交互·agent
PM大明同学11 天前
Axure PR 9 搜索 百度引擎 设计&交互
交互·axure
谢道韫66612 天前
鸿蒙组件手势处理全解析:从基础操作到复杂交互实战
华为·交互·harmonyos