rkarhila/SIAK

Say It Again, Kid! (SIAK) 数据集是一个专门用于儿童英语发音质量分类器训练的数据集。它包含了以芬兰口音和英国口音为主的儿童英语发音数据，数据以flac格式提供。每个文件的命名规则详细说明了样本的来源和属性，包括说话者的母语、年龄、样本编号等信息。数据集来源于2014-2018年的SIAK项目，所有数据均已匿名处理，以确保符合GDPR的要求。数据集的使用受到一定的限制，主要用于语音技术或科学语言学习相关的研究和展示。

原始信息汇总

数据集概述

基本信息

• 许可协议：CC-BY-ND-4.0
• 任务类别：自动语音识别
• 语言：英语
• 数据集名称："Say It Again, Kid!" Native and Finnish accented Childrens English with pronunciation scores
• 数据集大小：10K<n<100K

数据内容

• 数据格式：FLAC
• 数据集组成：训练集和测试集
• 文件命名规则：
  • Speaker key：指示训练或测试集及说话者编号，例如 train001
  • Native language：芬兰语为 "fifi"，英国英语为 "enuk"，其他为 "othr"
  • Age of speaker：说话者年龄（如已知）
  • Sample number：样本编号
  • Seconds from first sample：自首次录音以来的秒数
  • Target utterance text：目标发音文本，空格等被替换为破折号

使用限制

• 非衍生作品：音频样本不能用于与描述数据集无关的任何工作，除非在语音技术或科学语言学习背景下直接描述数据集。
• 商业使用：允许用于构建和评估语音技术模型。

引用信息

• 引用文献：Karhila & al.: Pronunciation Scoring System Embedded into Children’s Foreign Language Learning Games with Experimental Verification of Learning Benefits, SLATE 2023.