VSRo-200：用于研究监督与多模态鲁棒性的罗马尼亚语视觉语音识别数据集
英文标题：VSRo-200: A Romanian Visual Speech Recognition Dataset for Studying Supervision and Multimodal Robustness
VSRo-200 是首个面向罗马尼亚语的大规模视觉语音识别（唇读）数据集，包含 200 小时真实播客视频。所有样本均使用经过微调的罗马尼亚语自动语音识别模型生成的伪标签进行标注。该数据集旨在为监督学习策略和多模态鲁棒性研究提供标准化基准，对开发者探索低资源语言的多模态融合具有重要参考价值。
打开原文相关 4 · 机会 0
2.6 KB
2.1 KB
640 B
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
VSRo-200：首个大规模罗马尼亚语视觉语音识别数据集，包含 200 小时真实播客视频，所有样本均标注了由微调的罗马尼亚语 ASR 模型生成的伪标签，\n\n## BibTeX 格式引用
English / 原文
BibTeX formatted citation
×