Switchboard-1电话语音语料库是一个大型的语音数据集。它包含了大约260小时的语音数据,最初由Texas Instruments在DARPA的赞助下于1990年1月收集。这个语料库的第一个版本由NIST出版,并在1992年3月由LDC(Linguistic Data Consortium)分发。
这个数据集主要用于支持语音识别、语音分析和相关语音技术的研究。它包含了大量的电话对话语音样本,这些样本经过了详细的标注,包括语音的起始时间、结束时间、说话者的身份等信息。这些数据可以帮助研究人员更好地理解和分析语音信号,从而构建出更加准确、鲁棒的语音识别模型。
自该版本发布以来,对原始CD-ROM上的数据文件进行了一些更正,并且首次印刷的所有副本均已分发。LDC97S62数据集在自然语言处理和语音处理领域具有重要的地位,为相关领域的研究提供了宝贵的资源。其文件结构如下:
获取方法:
方法1:注册LDC账号并加入组织获取数据,官网链接:LDC官网
方法2:关注公众号,回复swbLDC语料小助手https://mp.weixin.qq.com/s/8GgZFh9XAr7FYwivQ_ajRg