48词新+维语+哈语

用户8758

2024年7月21日修改

数据说明

数据来源

数据一：48词新

汉语48词数据和负例数据，共904956条，包括：

1.
48词数据第一次录制​

2.
48词数据第二次录制​

3.
使用48词数据第一次录制的数据训练的模型解码10000h数据得到的FA​

4.
其它实现场景的录制数据截取1s一段得到音频​

路径：/work105/duwenqiang/resrearch/zeus_kws.fyt/resource.fyt.48ci.double.20240716/​

数据二：维吾尔语

175个说话人，9个关键词的维语数据，共23418条。

随机抽取165人的数据用于训练，10人的数据用于测试。用于训练的部分，经过数据增强，扩增7倍，为155750条数据，方式包括babble, music, noise, reverb, speed 0.9, speed 1.1。用于测试的部分为1168条。​

路径（原始数据）：/work105/weiyang/project/fyt/data/10.minority.language/uyghur/wav.scp​

数据三：哈萨克语

152个说话人，9个关键词的哈语数据，共19006条。

随机抽取142人的数据用于训练，10人的数据用于测试。用于训练的部分，经过数据增强，扩增7倍，为121261条，方式包括babble, music, noise, reverb, speed 0.9, speed 1.1。用于测试的部分为1683条。​

路径（原始数据）：/work105/weiyang/project/fyt/data/10.minority.language/kazakh/wav.scp​

训练数据

resource.fyt.48ci.zh-ug-kk.20240716

48词新

+ 维语数据中的训练数据

+ 哈语数据中的训练数据

合并的数据中，随机抽取8000条数据作为验证集，剩余1173967条数据作为训练集。​

路径：/work105/weiyang/project/fyt/zeus_kws/resource.fyt.48ci.zh-ug-kk.20240716/valid.list​

/work105/weiyang/project/fyt/zeus_kws/resource.fyt.48ci.zh-ug-kk.20240716/train.list​

测试数据

test.7ci.clean

7个关键词，共1036条汉语数据。

路径：/work105/duwenqiang/resrearch/zeus_kws.fyt/fyt.onnx.48ci/test.48ci.weiyu/test.7ci.clean.scp​

test.7ci.noise

在常州分公司，7名同事录制7个关键词的测试集

路径：/work105/duwenqiang/resrearch/zeus_kws.fyt/fyt.onnx.48ci/testset/test.7ci.noise.scp​

test.caiji_zh20_mild_accent_20240705

/work105/duwenqiang/DATA/fenyinta/TEST/test.20ci/test.caiji_zh20_mild_accent_20240705.scp​

test.caiji_zh20_mild_accent_20240721

/work105/duwenqiang/resrearch/zeus_kws.fyt/fyt.onnx.48ci/test.48ci.double.cn.2minnanyu.2weiyu/test.caiji_zh20_mild_accent_20240721.scp

test.48ci.clean

[待解释]

路径：/work105/duwenqiang/resrearch/zeus_kws.fyt/fyt.onnx.48ci/testset/test.48ci.clean.scp​

uyghur_test

维语数据中的1168条测试数据。

路径：/work105/weiyang/project/fyt/data/10.minority.language/uyghur/test/wav.scp​

hazkakh_test

哈语数据中的1683条测试数据。

路径：/work105/weiyang/project/fyt/data/10.minority.language/kazakh/test/wav.scp​

FA.test1

实际场景下宿舍，和厕所实际录音 + 会议室录，约110000句

路径：/work105/duwenqiang/resrearch/zeus_kws.fyt/fyt.onnx.48ci/testset/fa.noise.RSA.TSA.scp.meeting.20240318.segment.scp​

48词新+维语+哈语​