WenetSpeech Yue ist ein mehrdimensionales, annotiertes Sprachkorpus für die kantonesische Spracherkennung (ASR) und Text-to-Speech-Synthese (TTS), das 2025 von der Northwestern Polytechnical University, dem China Telecom Artificial Intelligence Research Institute, der Beijing Hill Shell Technology Co., Ltd. und anderen Institutionen veröffentlicht wurde. Die zugehörigen Ergebnisse der Studie sind:WenetSpeech-Yue: Ein umfangreiches kantonesisches Sprachkorpus mit mehrdimensionaler Annotation“, dessen Ziel es ist, die Lücke im Mangel an Ressourcen im kantonesischen Bereich zu schließen und die Ausbildung und Bewertung hochwertiger kantonesischer Modelle zu fördern.

Der Datensatz enthält rund 21.800 Stunden kantonesischer Aufnahmen aus zehn Bereichen, darunter Geschichtenerzählen, Unterhaltung, Drama, Kultur, Vlog, Kommentare, Bildung, Podcasts, Nachrichten und mehr. Er eignet sich für das Training und die Evaluierung kantonesischer Modelle zur automatischen Spracherkennung (ASR) und Text-to-Speech-Synthese (TTS) sowie für die Verarbeitung verschiedener Bereiche und Sprechstile in realen Sprachszenarien. Er unterstützt außerdem die Überprüfung und Evaluierung domänenübergreifender Generalisierungsfähigkeiten.

Datenzusammensetzung:

• Transkribierter Text: Ergebnisse der automatischen Spracherkennung;
• Vertrauenswerte: wie z. B. Textvertrauen und Vertrauen in kantonesisches Pinyin;
• Sprecherattribute: Geschlecht, Alter, Sprecher-ID;
• Indikatoren für die Sprachqualität: wie SNR und DNSMOS;
• Zeitannotation: Dauer, Zeitstempel auf Zeichenebene;
• Erweiterte Metadaten: Programmname, Region, Link und Registrierungsinformationen.