待验证50% 置信事实精确时间
L2-ARCTIC 是专为二语英语语音研究设计的公开数据集，包含阿拉伯语、普通话、印地语、韩语、西班牙语和越南语等母语背景的说话人，每位约提供 1,150 句话语
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证该研究使用 L2-ARCTIC 及多个外部英语口音数据集，比较了文件级划分和说话人隔离划分两种评估设置78% 相似待验证在大语言模型中，一个英文单词通常对应1-2个Token，一个中文字符通常对应1.5-2.5个Token，GPT-4的一次对话上下文窗口约为12.8万Token59% 相似待验证English speech datasets can reach hundreds of thousands of hours, while many Indian languages have only hundreds to thousands of hours of high-quality annotated data59% 相似待验证双向文本处理涉及Unicode双向算法（UBA），用于处理阿拉伯语、希伯来语、波斯语等从右到左书写的语言59% 相似待验证SpeechData.ai 列出了覆盖60种语言和方言、超过73,000小时的语音数据58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1001265API
curl https://kongchang.com/api/v1/knowledge/claims/1001265MCP
get_claim(id=1001265)