scribe-project/nbtale12

这是用于测试论文《Improving Generalization of Norwegian ASR with Limited Linguistic Resources》中模型的NB Tale模块1和2的版本，仅包含小于15秒的片段。该数据集包含母语和非母语说话者。在论文中分析数据时，`region`设置为`foreign`的说话者被过滤掉了。

原始信息汇总

数据集概述

数据集特征

• speaker_id: 字符串类型
• gender: 字符串类型
• utterance_id: 字符串类型
• language: 字符串类型
• raw_text: 字符串类型
• full_audio_file: 字符串类型
• original_data_split: 字符串类型
• region: 字符串类型
• duration: 浮点数类型
• start: 浮点数类型
• end: 浮点数类型
• utterance_audio_file: 音频类型
• standardized_text: 字符串类型

数据集分割

• train:
  • num_bytes: 2078070414.74
  • num_examples: 6630

数据集大小

• download_size: 1624762124
• dataset_size: 2078070414.74

数据集描述

• 语言: 挪威语 Bokmål
• 数据集用途: 用于测试论文《Improving Generalization of Norwegian ASR with Limited Linguistic Resources》中模型的 Bokmål 段落，仅包含长度小于 15 秒的段落。
• 数据集创建:
  • 源数据: 来自挪威语言银行的全版本数据集
  • 数据收集与标准化: 使用 Spraakbanken downloader 下载数据，并通过 combined dataset standardization scripts 进行标准化处理。

许可信息

• 许可证: CC0

引用信息

@inproceedings{ solberg2023improving, title={Improving Generalization of Norwegian {ASR} with Limited Linguistic Resources}, author={Per Erik Solberg and Pablo Ortiz and Phoebe Parsons and Torbj{o}rn Svendsen and Giampiero Salvi}, booktitle={The 24rd Nordic Conference on Computational Linguistics}, year={2023} }