Libri-Light : Une référence pour la reconnaissance automatique de la parole avec une supervision limitée ou absente

Nous introduisons une nouvelle collection d’audio parlé en anglais, adaptée à l’entraînement de systèmes de reconnaissance vocale dans des conditions de supervision limitée ou nulle. Cette ressource est extraite de livres audio open source provenant du projet LibriVox. Elle comprend plus de 60 000 heures d’audio, qui, à notre connaissance, constituent le plus grand corpus librement disponible de parole. L’audio a été segmenté à l’aide d’une détection d’activité vocale et est annoté avec des métadonnées comprenant le rapport signal-bruit (SNR), l’identifiant du locuteur et des descriptions de genre. En outre, nous fournissons des systèmes de référence et des métriques d’évaluation fonctionnant dans trois cadres distincts : (1) le cadre zéro ressource ou non supervisé (ABX), (2) le cadre semi-supervisé (PER, CER) et (3) le cadre de supervision éloignée (WER). Les cadres (2) et (3) utilisent des ressources textuelles limitées (de 10 minutes à 10 heures) alignées avec le discours. Le cadre (3) exploite en outre de grandes quantités de texte non aligné. Ces systèmes sont évalués sur les ensembles de validation et de test standards du LibriSpeech afin de permettre une comparaison avec l’état de l’art supervisé.