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。