speech-corpus

Lipi-Ghor 推出了一个时长 885 小时、标注了说话人、涵盖多个领域的孟加拉语语音语料库。该语料库通过可复现的流程从 YouTube 视频中构建，并提供了四种自动语音识别（ASR）模型的基准测试结果，以及一个经人工核验、依据 CC-BY-4.0 许可发布的黄金评估子集。

该论文提出一种噪声鲁棒的强制对齐方法，用上采样WLM特征替代MFCC的GMM-HMM对齐器，并显式建模填充词和非词汇语音事件，在Buckeye和FluencyBank上将词边界误差降低19%和17%，大幅减少灾难性错配。

BanglaKontho 推出了一套20小时单说话人孟加拉语TTS语料库，源自专业有声读物，并配备开源文本归一化器和预处理管道，旨在解决低资源孟加拉语语音合成中长篇韵律的不足。