每周编辑精选｜希尔贝壳语音数据集系列上线、中国学者建立乳腺癌预后评分系统 MIRS

🏮新春佳节，归程千里为团圆 🏮人间烟火，年味浓浓阖家欢

辞别玉兔，金龙迎春。明晚就是大年三十除夕夜了！HyperAI超神经在这里提前祝大家新春快乐～龙行龘龘(dá)！本周 hyper.ai 官网上线了希尔贝壳开源的数千小时中文语音数据库，打开你的语音之门。

2 月 5 日-2 月 8 日，hyper.ai 官网更新速览：

优质公共数据集：8 个
AI4S 论文案例：2 篇
热门百科词条：8 条

访问官网：hyper.ai

公开数据集精选

1.AISHELL-1 开源中文语音数据库

该数据集由 400 名来自中国不同口音地区的人参与录制。经过专业语音校对人员转写标注，并通过严格质量检验，此数据库文本正确率在 95% 以上。分为训练集、开发集、测试集。

直接使用：

https://hyper.ai/datasets/29344

2. AISHELL-2 中文语音数据库

希尔贝壳中文普通话语音数据库 AISHELL-2 包含 1,000 小时的语音时长。录音文本涉及唤醒词、语音控制词、智能家居、无人驾驶、工业生产等 12 个领域。

直接使用：

https://hyper.ai/datasets/29347

3. AISHELL-3 高保真中文语音数据库

该数据集由 218 名来自中国不同口音区域的人员参与录制。由专业语音校对人员进行拼音和韵律标注，并通过严格质量检验，此数据库音字准确率在 98% 以上。

直接使用：

https://hyper.ai/datasets/29352

4. AISHELL-4 多通道中文会议语音数据库

AISHELL-4 是由 211 个录制的会议会议组成，每个会议会议包含 4 至 8 名发言者，总时长为 120 小时，可用于语音前端处理、语音识别等单独任务。

直接使用：

https://hyper.ai/datasets/29375

5. AISHELL-WakeUp-1 中英文唤醒词语音数据库

该数据集邀请了 254 名发言人参与录制，共有唤醒词语音近 400 万条，1561.12 小时。录音文本为「你好，米雅」、「hi, mia」唤醒词。此数据库经过专业语音校对人员转写标注，并通过严格质量检验，可用于声纹识别、语音唤醒识别等研究使用。

直接使用：

https://hyper.ai/datasets/29186

6. AISHELL-DMASH 中文普通话麦克风阵列家居场景语音数据库

AISHELL-DMASH 数据集是在两个不同房间的真实智能家居场景中记录的，该数据集包含 30,000 小时的语音数据。数据集由专业语音标注人员转录，单词准确率达 98%，可用于声纹识别、语音识别、唤醒词识别等研究。

直接使用：

https://hyper.ai/datasets/29380

7.DeepSymNet 深度符号网数据集

这是中国科学院半导体研究所的研究人员提出的一种名为 DeepSymNet 的全新符号网络来表示符号表达式，用于符号回归的符号网络。

直接使用：

https://hyper.ai/datasets/29321

8. Evol Instruct Chinese GPT4 文本数据集

该数据集是通过以下方式创建的：

(1) 将 Evol-instruct-70k 的英文问题翻译成中文；

(2) 请求 GPT4 生成中文答案。

直接使用：

https://hyper.ai/datasets/29318

ScienceAI 论文案例精选

1. 剑指全球第一大癌症，中国学者建立乳腺癌预后评分系统 MIRS

近日，中国学者采用神经网络模型，建立了一个预测乳腺癌预后和治疗的评分系统 MIRS，可用于指导乳腺癌患者治疗策略的制定。相关论文已发表于「iScience」期刊。

查看完整报道：

https://hyper.ai/news/29304

2. 中科院深圳先进院提出 SBeA，基于少样本学习框架进行动物社会行为分析

动物行为研究急需通过技术创新提升研究效率和准确性。基于此，SBeA (Social Behavior Atlas) 应运而生，由中国科学院深圳高新技术研究院开发，能够全面量化自由群居动物的行为，使用较少的标记帧数（约 400 帧）进行多动物三维姿态估计，通过双向迁移学习策略，在多动物身份识别方面的准确率超过 90% 。相关成果已发表于「Nature」期刊。

查看完整报道：

https://hyper.ai/news/29353