Update README.md
Browse files
README.md
CHANGED
|
@@ -17,7 +17,7 @@ pipeline_tag: automatic-speech-recognition
|
|
| 17 |
### 微调数据
|
| 18 |
微调训练的数据来源于[teochew-wild](https://huggingface.co/datasets/panlr/teochew_wild)，这是首个开源的、野外的、正字准确标注的多说话人潮汕话数据集，包含约18.9小时、共12500条潮汕话音频片段，覆盖了潮州府城、汕头市区、潮安南部、澄海、榕江音等多种口音。
|
| 19 |
|
| 20 |
-
|
| 21 |
|
| 22 |
这是因为在谐音字或者专家方案中，非常容易出现歧义，例如：
|
| 23 |
```
|
|
|
|
| 17 |
### 微调数据
|
| 18 |
微调训练的数据来源于[teochew-wild](https://huggingface.co/datasets/panlr/teochew_wild)，这是首个开源的、野外的、正字准确标注的多说话人潮汕话数据集，包含约18.9小时、共12500条潮汕话音频片段，覆盖了潮州府城、汕头市区、潮安南部、澄海、榕江音等多种口音。
|
| 19 |
|
| 20 |
+
为了减少字面歧义、多音字过多、同义异体字等问题，该数据集的标注采用自创的 **[歹看正字法](https://github.com/p1an-lin-jung/teochew-g2p/blob/master/doc/readme.md)** ，而非通常使用的谐音字或者专家考证的本字。
|
| 21 |
|
| 22 |
这是因为在谐音字或者专家方案中，非常容易出现歧义，例如：
|
| 23 |
```
|