语音识别(ASR)论文优选：车内场景粤语指令数据集CI-AVSR: A Cantonese Audio-Visual Speech Dataset for In-car Command Recogni

声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请注明出处。欢迎关注微信公众号：低调奋进。

CI-AVSR: A Cantonese Audio-Visual Speech Dataset for In-car Command Recognition

本文为香港科技大学在2022.01.11更新的文章，主要开源车载语音命令数据集，该数据集包括音频、视频和文本，适合于多模态语音识别，具体的链接

https://arxiv.org/pdf/2201.03804.pdf

---

注：前两天该实验室发了粤语数据集，可参考https://mp.weixin.qq.com/s/L1c-ohknkNfNHyO0TDOM2w

1 背景

随着深度学习和智能汽车的兴起，智能助手已成为促进驾驶和提供额外功能的必不可少的车载组件。然而，低资源语言存在数据稀缺问题，阻碍其研究和应用的发展。本文介绍了一个新的数据集，即粤语车载视听语音识别数据集(CI-AVSR)，用于通过视频和音频数据以粤语进行车载命令识别。

2 设计

文本主要分为四类​： 1) navigation; 2) music playing; 3) weather inquiry; and 4) others，具体文本设计如tabl