我正在写一个Elman Simple Recurrent Network。我想给它一些单词序列，每个单词都是一个音素序列，我想要很多训练和测试数据。
所以，我需要的是一个英语单词集，以及它们组成的音素，写成类似ARPAbet或SAMPA的东西。英国英语会很好，但只要我知道我在处理什么，就不是必需的。有什么建议吗？
我目前没有时间或倾向于编写某些内容，这些内容可以从一个单词中包含来自语音或书面数据的内容，因此请不要提出这一点。
注意：我知道CMU Pronouncing Dictionary，但它声称它只基于ARPABet符号集 - 任何人都知道是否存在任何差异，如果是，那么它们是什么？ （如果没有，那么我可以使用它......）
编辑：CMUPD 0.7a Symbol list - 元音可能有词汇压力，并且有（ARPABET标准符号）变体表明这一点。
答案 0 :(得分：3)
CMUdict应该没问题。 “Arpabet符号集”仅仅意味着Arpabet。如果存在任何细微差别，则应在CMUdict文档中对其进行解释。
如果您需要的数据更接近现实生活，而不是将单个单词的字典发音串在一起，请查找语音转录语料库，例如TIMIT。