BAAI 开源 CS-Dialogue：104 小时中英混说语音对话数据集
AdinaYakup · x · 2026-11-04
北京通用人工智能研究院（BAAI）在 Hugging Face 发布 CS-Dialogue，一个大规模中英码转换（code-switching）语音对话数据集，主打解决现有同类数据集规模小、对话不自然、缺少完整长对话录音的问题。
- 规模：104.02 小时自发对话，100 组两人对话、200 名说话人
- 说话人：英语能力强（IELTS ≥6 或通过 TEM-4），来自中国 30 个省级行政区
- 内容：每组对话覆盖 2-6 个话题，含纯中文、中英混说、纯英文片段；16kHz WAV，字符级人工转写，含 utterance 级与说话人级标注
- 许可：CC BY-NC-SA 4.0，仅限非商业使用
配套论文 arXiv:2502.18913，面向中英混说 ASR 及相关研究。
所属事件:BAAI 开源 104 小时中英混说语音对话数据集 CS-Dialogue(2 条相关)→
「研究」频道最新
- 以检索为中心的深度学习：把权重矩阵换成向量数据库 — kaixhin · 2026-11-04
- 研究：ChatGPT 对翻译行业的替代远超 GNMT，直觉型任务也难幸免 — Hakan_Ozalp · 2026-11-04
- 零训练 NCA 权重编程实现分辨率无关旋转线框立方体 — zzznah · 2026-11-04
- 时序建模大师北川源四郎获日本瑞宝中绶章 — ArnaudDoucet1 · 2026-11-04
- 免训练拆 checkpoint 造 LoRA：把 v2 的动作能力移植到 v1.3 — glusphere · 2026-11-04
- UCSD 论文：长文本检索失败元凶是干扰项而非长度 — dair_ai · 2026-11-04