BrunoHays/Accueil_UBS

该数据集汇集了从Accueil_UBS数据集中提取的339段电话对话，旨在评估在真实情况下，特别是在呼叫中心和法语环境中的自动语音识别系统。数据集包括录音文件和对话的文字转录，所有对话均为法语。数据集还进行了修改，包括删除不符合条件的样本和文本的标准化处理。

原始信息汇总

数据集概述

基本信息

• 语言: 法语
• 数据集名称: Accueil UBS
• 大小: 小于1K
• 许可证: CC BY-SA 4.0

数据集内容

• 描述: 该数据集包含339个电话对话片段，旨在评估自动语音识别系统在实际呼叫中心环境中的表现，特别是法语环境。
• 来源: 数据来源于Université de Bretagne Sud的真实电话接待录音，包括呼叫者与接待人员之间的对话。
• 格式: 包括音频文件和对话的正字法转录。

数据处理

• 过滤: 移除了以下类型的样本：
  • 声音重叠
  • 少于3个单词
  • 包含拼写（主要是UBS）
  • 已匿名化（名称和名字被替换为“Nom”和“Prénom”）
• 文本标准化:
  • 原始文本保留在“raw_sentence”键下。
  • 在“sentence”键下进行了以下转换：
    • 删除非口语文本字符（如“e”, “#”, “[]”, “()”）
    • 使用Text2Num包将数字转换为数字形式（例如“dix-sept”→“17”）

引用信息

• 作者: Jean-Yves Antoine
• 年份: 2016
• 数据集版本: v1
• 链接: Accueil_UBS