1997 English Broadcast News Transcripts (HUB4) 数据集介绍，官网编号LDC98T28

已于 2024-05-26 16:02:12 修改
阅读量320 收藏 4
点赞数 3
文章标签： 自然语言处理 python
于 2024-05-13 16:24:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ldcdata/article/details/138808190
版权

1997 English Broadcast News Transcripts (HUB4) 是指 1997 年收集的一系列英语广播新闻节目的转录文本。这些转录文本通常与相应的音频数据一起使用，用于训练、开发和评估自动语音识别（ASR）系统。

HUB4 是 DARPA（Defense Advanced Research Projects Agency）资助的语音识别项目中的一个子集，旨在推动语音识别技术的进步。这个项目提供了大量的真实世界数据，包括从广播新闻、电话对话和会议等不同来源收集的音频和转录文本。

对于 1997 年 English Broadcast News Transcripts (HUB4)，这些数据可能包括各种主题的新闻报道，如政治、经济、社会事件等。转录文本通常经过人工校对，以确保其准确性，这对于训练高质量的语音识别系统至关重要。

 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1997 English Broadcast News Transcripts (HUB4) LDC语料小助手icon-default.png?t=N7T8https://mp.weixin.qq.com/s/8GgZFh9XAr7FYwivQ_ajRg

ldcdata
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
通用智能传感集线器(Sensorhub)介绍
阿里云云栖号
01-22 1万+
摘要：   智能传感集线器，也称之为Sensor hub，是一种基于低功耗MCU和轻量级RTOS操作系统之上的软硬件结合的解决方案，其主要功能是连接并处理来自各种传感器设备的数据。点此查看原文：http://click.aliyun.com/m/40593/1.通用智能传器集线器概要   智能传感集线器，也称之为Sensor hub，是一种基于低功耗MCU和轻量级RTOS操作系统之上的软硬件结合...
Android中的广播（BroadCast）详细介绍
09-03
在Android系统中，广播（Broadcast）是一种至关重要的组件，它允许应用程序之间进行异步通信，无需直接相互依赖或知道对方的存在。广播机制基于Intent对象，用于在应用间传递消息和数据，实现系统的事件通知和数据...
1997 English Broadcast News Speech (HUB4) 数据集介绍，官网编号LDC98S71
ldcdata的博客
05-13 112
对于1997年的English Broadcast News Speech (HUB4)，这些数据可能包括各种主题的新闻报道，如政治、经济、社会事件等。这些数据对于语音识别系统的研究和开发具有重要价值，因为它们代表了真实世界中的复杂语音环境，可以帮助系统更好地适应各种语音和口音。HUB4是DARPA（Defense Advanced Research Projects Agency）资助的语音识别项目中的一个子集，旨在推动语音识别技术的进步。是指1997年收集的一系列英语广播新闻节目的语音数据。
1996 English Broadcast News Transcripts (HUB4) 数据集介绍，官网编号LDC97T22
ldcdata的博客
05-13 231
是 DARPA (Defense Advanced Research Projects Agency) 发起的一个语音识别项目的一部分，旨在推进语音识别技术的发展。数据集通常包括语音录音的转录（即文字版），这些转录是手动生成的，以匹配录音中的语音内容。这些转录对于训练 ASR 系统至关重要，因为它们提供了语音到文本的对应关系。是该项目中使用的一个子集，包含了从 1996 年的广播新闻中收集的大量语音数据。这些数据通常用于训练和评估自动语音识别（ASR）系统。方法2：关注公众号，回复HUB4。
1998 HUB4 Broadcast News Evaluation English Test Material数据集介绍，官网编号LDC2000S86
2301_78879749的博客
05-19 217
此外，1998 HUB4 Broadcast News Evaluation English Test Material 还可能包括一些辅助信息，如音频的元数据（如日期、时间、来源等）、背景噪音的类型和级别等，这些信息有助于更全面地了解测试环境和条件。该测试材料的主要目的是为研究人员和开发人员提供一个标准化的测试平台，以评估和比较不同ASR系统在广播新闻领域的性能。这些音频通常包括新闻播报、采访、讨论等多种形式的语音内容。这些文本是由专业人员人工创建的，用于与ASR系统的输出结果进行比较，以评估其性能。
1999 HUB4 Broadcast News Evaluation English Test Material 数据集介绍，官网编号LDC2000T88
2301_78879749的博客
05-19 187
1999 HUB4 Broadcast News Evaluation English Test Material 是用于评估自动语音识别（ASR）系统性能的一组特定数据集。评估的主要指标是词错误率（Word Error Rate, WER），这是一个衡量ASR系统转录结果与人工转录文本之间差异程度的常用指标。1999年的HUB4广播新闻评估集包含了一系列录制的英语广播新闻片段，这些片段已经过人工转录并带有相应的文本标签。这些数据集用于评估ASR系统在转录广播新闻音频方面的准确性。
2002 Rich Transcription Broadcast News and Conversational Telephone Speech数据集介绍，官网编号LDC2004S11
2301_78879749的博客
05-20 266
是一个广泛用于语音识别和语音处理研究的语料库。这个语料库包含了两部分主要的数据：广播新闻（Broadcast News）和电话对话（Conversational Telephone Speech）。
关系抽取数据集介绍
TEDIST的博客
03-05 1万+
最近由于实验需要，收集整理了关系抽取方向的数据集，主要包括SemEval、Wiki80、NYT10。目前来说全监督的关系抽取任务一般在SemEval上做，远程监督的关系抽取任务一般在NYT10上做。 SemEval 数据集来源 SemEval数据集来自于2010年的国际语义评测大会中Task 8:” Multi-Way Classification of Semantic Relations Be...
标识别,人脸识别等常用数据集
generalsong的博客
09-23 7125
参考博客:https://www.cnblogs.com/weiyinfu/p/8016405.html#32 常用数据集 一、Cifar数据集 Hinton参与收集 彩色图像（RGB） 图像尺寸相同 分为两种：Cifar10和Cifar100 用于图片分类 Cifar10包含60000条数据，50000条用于训练，10000条用于测试。这60000条数据中，包含10类，每类6000张图片（5000训练，1000测试）。 Cifar100包含60000条数据，100类图片，每类600张（50.
部分数据集
热门推荐
tcd1112的博客
01-09 1万+
为防丢失，进行记录 大学公开数据集 (Stanford)69G大规模无人机(校园)图像数据集【Stanford】 http://cvgl.stanford.edu/projects/uav_data/ 人脸素描数据集【CUHK】 http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html 自然语言推理(文本蕴含标记)数据集【NYU】 htt...
利用广播Broadcast Receiver，在2个不同的Activity传递数据
02-25
利用广播Broadcast Receiver，在2个不同的Activity传递数据
Broadcast.rar_3G/4G/5G开发_matlab_
08-12
通信系统中广播通信的matlab实现代码
用broadcast在activity之间传递数据
01-20
用broadcast在两个activity之间传递数据，能保证application的UI保持不变，是当前activity的UI，接收数据的activity执行对应动作。
node-broadcast-hub:由 Redis pubsub 支持的 WebSockets
06-22
介绍broadcast-hub 模块提供易于使用的中间件，用于向您的 Web 应用程序添加实时通知。 它旨在既易于集成（低工作量）又可扩展。 集线器由许多客户端可以订阅的广播频道组成。 订阅后，他们将收到发布到该频道的任何...
本地部署Ollama+qwen本地大语言模型Web交互界面
qiuweifan的博客
06-18 688
Ollama WebUI 已经更名为 Open WebUI.Open WebUI是一个可扩展、功能丰富且用户友好的自托管 WebUI，旨在完全离线操作。它支持各种 LLM 运行程序，包括 Ollama 和 OpenAI 兼容的 API。Ollama WebUI 是一个革命性的 LLM 本地部署框架，具有类似 ChatGPT 的 Web 界面。让我们为您的 Ollama 部署的 LLM 提供类似 ChatGPT Web UI 的界面，只需按照以下 5 个步骤开始行动吧。
MaxKB-无需代码，30分钟创建基于大语言模型的本地知识库问答系统
specssss的博客
06-18 938
模型类型选择 大语言模型基础模型不能随意填写，只能使用ollma模型库中已有的模型类型：https://ollama.com/library，这里我们用的是qwen:1.8b。大模型和知识库创建成功后，就可以创建应用了。点击“应用->创建应用”，填入应用名称和应用描述，注意这里AI模型和关联知识库要选择前面两步创建的AI模型和知识库。除了上面截图中的环境要求外，建议docker的版本不低于20.10.8，否则可能无法启动Ollama服务。API域名填写前面ollama起服务的机器ip和端口（11434）
day02论文学习：能够使大语言模型产生带有引用的文章
weixin_57128596的博客
06-17 961
大型语言模型（LLMs）已经成为广泛使用的信息搜索工具，但它们生成的输出容易出现幻觉【1.前景】。在这项工作中，我们的目标是让LLMs生成带有引文的文本【2.目的】，提高其事实正确性和可验证性。现有的工作主要依赖商业搜索引擎和人工评估，这使得重新复制和比较不同的建模方法变得具有挑战性。我们提出了** ALCE【3.核心关键词，控制变量的关键】**，这是第一个用于自动LLMs引文评估的基准。ALCE收集了各种问题和检索语料库，并要求构建端到端系统来检索所支持的文档并生成带有引文的答案。【4.关键词作用】
NLP之实体抽取
最新发布
CherryXieのblog
06-19 598
实体抽取(Entity Extraction)是自然语言处理(NLP)领域中一项重要的技术,它的目的是从非结构化的文本数据中识别并提取出有意义的实体。实体是指文本中表示某种具体事物的词语或短语,通常包括以下几类:人名：如"马云"、“比尔·盖茨”地名：如"北京"、“纽约”组织机构：如"阿里巴巴"、“联合国”日期：如"2024年6月18日"时间：如"下午三点"货币：如"100美元"数量：如"5000平方米"产品：如"iPhone 14"品牌：如"可口可乐"
adroid里的Broadcast Receiver的介绍
06-04
Broadcast Receiver 可以在应用程序的不同组件之间进行数据传递，比如可以从 Service 发送消息到 Broadcast Receiver，Broadcast Receiver 可以向 Activity 发送消息。Broadcast Receiver 可以在应用程序被关闭后...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值