Spoken-SQuAD

在 SpokenSQuAD 中，文档是口语形式，输入问题是文本形式，每个问题的答案始终是文档中的一个跨度。以下程序用于从原始 SQuAD 数据集生成语音文档。首先，使用 Google 文字转语音系统在 SQuAD 中生成文章的语音版本。然后 CMU Sphinx 被起诉以生成相应的 ASR 转录。 SQuAD 训练集用于生成 Spoken SQuAD 的训练集，SQuAD 开发集用于生成 Spoken SQuAD 的测试集。如果相关文章的 ASR 转录中不存在问题的答案，则从数据集中删除问答对，因为这些示例对于现阶段的听力理解机器来说太难了。

搜集汇总

背景与挑战

背景概述

Spoken-SQuAD是一个用于音频文本阅读理解的数据集，通过将SQuAD数据集中的文章转换为语音文档并生成ASR转录来构建。它基于原始SQuAD的训练和开发集划分，并移除了ASR转录中不存在答案的问答对，以降低听力理解任务的难度。