SpeechIO TIOBE Benchmark

新增场景：听障语音，诗词，文言文，音乐歌词

SpeechIO语音识别评测新增三个测试场景，本篇文章只介绍新场景的基本信息，不包含测试结果（具体测试结果将在后续滚动测试中发布）。

另外需要说明，本期新增的几个场景都特别“偏门”，我们希望借此拓展测试范围，但并不希望过多的引入偏门场景主导整个Benchmark的结果。因此这几个新增场景的时长都较短，在SpeechIO整体测试集中的占比很小。

新增场景：听障语音

1、素材来源

邀请听障人士录音房朗读脚本。听障人士因接收到的语音输入与常人不同，所以这个群体说话的方式和发音也与正常人有极大区别，但一定程度上仍然可以被他人听懂。该场景我们选取了约40分钟的测试音频。


2、场景特点

  • 环境

    • 录音棚，环境安静

  • 拾音设备

    • 专业录音麦克风

  • 说话人

    • 听障患者

  • 说话方式

    • 朗诵

  • 方言

    • 无方言

  • 内容领域

    • 新闻文本


新增场景：诗词朗诵

1、素材来源

Youtube爬取上百首经典唐诗宋词朗诵，原始音频时长约 1.5 小时。


2、场景特点

  • 环境

    • 录音棚，环境安静，部分节目配有舒缓的背景音乐。

  • 拾音设备

    • 专业录音麦克风

  • 说话人

    • 专业播音员

  • 说话方式

    • 朗诵

  • 方言

    • 无方言

  • 内容领域

    • 唐诗

    • 宋词


新增场景：文言文朗诵

1、素材来源

Youtube爬取。文言文内容本身难度大，生僻字多，对语音识别引擎的挑战很大。原始音频约40分钟。

2、场景特点

  • 环境

    • 录音棚，环境安静，部分节目配有舒缓的背景音乐。

  • 拾音设备

    • 专业录音设备

  • 说话人

    • 专业播音员

  • 说话方式

    • 朗诵

  • 方言

    • 无方言

  • 内容领域

    • 论语，老子，诗经，孙子兵法


新增场景：音乐歌词识别

1、素材来源

爬取音视频网站上的音乐MV，原始音频约1.7小时。

歌词的识别一直是语音识别面临的挑战之一：一方面歌词是以演唱的方式唱出，与正常讲话截然不同；另一方面音乐中有大量的背景噪声，包括乐器、鼓、电子合成音效音轨等。


2、场景特点

  • 环境

    • 专业录音棚

  • 拾音设备

    • 专业录音麦克风

  • 说话人

    • 男女歌手

  • 说话方式

    • 唱歌

  • 方言

    • 无方言

  • 内容领域

    • 覆盖不同种类的音乐，包括说唱音乐，民谣，流行音乐，古典音乐，摇滚等。