以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Dialectal Arabic speech recognition remains constrained by the scarcity of dialect-resolved transcribed speech despite the abundance of web audio. We introduce GigaSpeech 3, a corpus of 39,000 hours and 10 million weakly transcribed speech segments covering Algerian, Egyptian, Iraqi, Saudi, and Syrian Arabic. Starting
阅读原文 · Junzhe Liu, Yujie Tu, Yifan Yang, Peng Wang, Haoran Wang, Guodong Lin, Leyan Liao, Chengquan Zhang, Zhifu Gao, Xiangang Li, Qinyuan Cheng, Xipeng Qiu, Wei-Qiang Zhang, Guoguo Chen, Kai Yu, Xie Chen
向阳乔木 · opencode-go/deepseek-v4.1-flash
阿拉伯语方言语音识别长期卡在一个很朴素的问题上：网上音频多得是，但标好方言、写好转写的语料少得可怜。GigaSpeech 3 想做的，就是用弱标注数据把这个缺口先填出一个量级。 这篇论文值得看的地方不在模型结构有多新，而在 它把“数据生产流水线”当成核心贡献 ：39,000 小时、1000 万条弱转写语音片段，覆盖阿尔及利亚、埃及、伊拉克、沙特、叙利亚五种方...