CryCeleb: A Speaker Verification Dataset Based on Infant Cry Sounds

解决问题：本篇论文的主要目的是介绍 CryCeleb 数据集，这是一个基于婴儿哭声的说话人验证数据集。与此同时，CryCeleb 2023 挑战赛也被提出，以此来推动婴儿哭声分析领域的研究。

关键思路：本文的关键思路是建立一个基于婴儿哭声的说话人验证数据集，以此来推动婴儿哭声分析领域的研究。与当前的研究相比，这篇论文的思路比较新颖，因为以前很少有人研究过基于婴儿哭声的说话人验证问题。

其他亮点：本文的亮点包括建立了一个基于婴儿哭声的说话人验证数据集，这使得婴儿哭声分析领域的研究变得更加容易。该数据集包含了超过 6 小时的手动分割的婴儿哭声，来自 786 名新生儿。此外，本文还提出了 CryCeleb 2023 挑战赛，以此来推动该领域的研究。目前，该数据集和挑战赛的代码已经开源，可以供学术研究使用。值得进一步研究的工作包括如何更好地利用这个数据集来解决婴儿哭声分析领域的问题。

关于作者：本文的主要作者包括 David Budaghyan、Arsenii Gorin、Cem Subakan 和 Charles C. Onu。他们分别来自加拿大滑铁卢大学、加拿大国家研究委员会、美国麻省理工学院和美国加州大学洛杉矶分校。他们之前的代表作包括在语音识别、机器学习和信号处理领域的多篇论文。

相关研究：近期其他相关的研究包括 "A Survey on Audio-Based Emotion Recognition: Trends, Challenges, and Perspectives" (作者：M. S. Islam、M. R. Kabir、M. S. Hossain、M. S. Kaiser、M. S. Rahman，机构：孟加拉国东南大学) 和 "A Review on Infant Cry Analysis and Classification" (作者：S. M. Shahnawaz Ahmed、M. S. Islam、M. S. Hossain，机构：孟加拉国东南大学)。这些研究都关注于婴儿哭声分析领域，并提出了相关的方法和算法。

论文摘要：本文介绍了Ubenwa CryCeleb数据集，这是一组标记的婴儿哭声，以及随附的CryCeleb 2023任务，即基于婴儿哭声的公共说话人验证挑战。我们发布了786名新生儿的超过6小时手动分割哭声，以鼓励开展婴儿哭声分析的研究。

内容中包含的图片若涉及版权问题，请及时与我们联系删除