Mandarin Chinese Desktop Speech Recognition Corpus - SMS (120 people)
View resource name in all available languages
Corpus de reconnaissance de parole microphone en chinois mandarin – SMS (120 locuteurs)
ID:
ELRA-S0228_15
This corpus comprises 7,142 entries uttered by 120 speakers of different dialects, ages and various educational levels (59 males and 61 females), recorded through head-mounted noise-canceling microphone. The database comprises 16,499 short messages (SMS). Speech samples are stored as a sequence of 16-bit 22.05kHz WAV for 21.7 hours of speech. The total capacity of the data is 3.2 Gb. Each speaker read 120-150 items. Text files are stored in Unicode format. All data have been proofread manually. The transcriptions include non-speech markers (background noise, background speech, speaker sounds) as well as markers for mispronunciation, channel distortions, words left-out and duplicates. The corpus aims to be applied to the testing and telephone natural speech recognition system.
View resource description in all available languages
Ce corpus comprend 7 276 entrées prononcées par 200 locuteurs de dialectes, d’âges et de niveaux d’éducation différents (87 hommes et 113 femmes), enregistrées via un micro-casque à élimination de bruit. La base de données contient 95 796 SMS. Les échantillons de parole sont stockés sous la forme de séquences 16-bit 22,05kHz WAV pour un total de 142,4 heures de parole. La taille totale des données est de 21,1 Go. Chaque locuteur a lu 120 éléments. Les fichiers textes sont stockés au format Unicode. Toutes les données ont été vérifiées manuellement. Les transcriptions comprennent des balises d’événements acoustiques (bruits de fond, sons émis par les locuteurs) ainsi que des balises de mauvaise prononciation, distorsions du canal, omissions de mots et répétitions. Cette base de données a été conçue pour l’évaluation et le développement de systèmes de reconnaissance de la parole naturelle par téléphone.
Home
1
