@inproceedings{felice-etal-2024-audiocite-arrivee,
    title = "Audiocite.net un grand corpus d`enregistrements vocaux de lecture en fran{\c{c}}ais",
    author = "Felice, Soline  and
      Evain, Sol{\`e}ne  and
      Rossato, Solange  and
      Portet, Fran{\c{c}}ois",
    editor = "Balaguer, Mathieu  and
      Bendahman, Nihed  and
      Ho-dac, Lydia-Mai  and
      Mauclair, Julie  and
      G Moreno, Jose  and
      Pinquier, Julien",
    booktitle = "Actes des 35{\`e}mes Journ{\'e}es d'{\'E}tudes sur la Parole",
    month = "7",
    year = "2024",
    address = "Toulouse, France",
    publisher = "ATALA and AFPC",
    url = "https://preview.aclanthology.org/ingest_wac_2008/2024.jeptalnrecital-jep.28/",
    pages = "271--280",
    abstract = "L`arriv{\'e}e de l`apprentissage auto-supervis{\'e} dans le domaine du traitement automatique de la parole a permis l`utilisation de grands corpus non {\'e}tiquet{\'e}s pour obtenir des mod{\`e}les pr{\'e}-appris utilis{\'e}s comme encodeurs des signaux de parole pour de nombreuses t{\^a}ches. Toutefois, l`application de ces m{\'e}thodes de SSL sur des langues telles que le fran{\c{c}}ais s`est montr{\'e}e difficile due {\`a} la quantit{\'e} limit{\'e}e de corpus de parole du fran{\c{c}}ais publiquement accessible. C`est dans cet objectif que nous pr{\'e}sentons le corpus Audiocite.net comprenant 6682 heures d`enregistrements de lecture par 130 locuteurs et locutrices. Ce corpus est construit {\`a} partir de livres audio provenant du site audiocite.net. En plus de d{\'e}crire le processus de cr{\'e}ation et les statistiques obtenues, nous montrons {\'e}galement l`impact de ce corpus sur les mod{\`e}les du projet LeBenchmark dans leurs versions 14k pour des t{\^a}ches de traitement automatique de la parole."
}