kingp12/TORGO-database
收藏资源简介：
TORGO数据库是一个包含构音障碍说话者的声学和发音语音数据集，专注于自动语音识别和音频分类任务。数据集仅包含TORGO数据集中的短词和受限句子部分，不包括非单词和自由句子。转录文本已标准化去除标点但保留大小写，部分无效转录（如xxx）已被移除。总语音数据包括约5.5小时的构音障碍语音和8小时的健康语音。短词部分包括英语数字重复、命令词（如yes、no、方向词）、国际无线电字母表、来自Frenchay构音障碍评估和Yorkston-Beukelman构音障碍语音可懂度评估的单词，以及英国国家语料库中的常见词。受限句子部分包括预选的音素丰富句子（如The quick brown fox jumps over the lazy dog）、Grandfather段落、来自Yorkston-Beukelman评估的句子，以及MOCHA-TIMIT数据库中的TIMIT衍生句子。数据集结构包含音频文件路径、转录文本、性别（男性/女性）、语音状态（构音障碍/健康）和持续时间字段，未提供标准开发/测试分割。数据文件命名格式为speakerNumber_sessionNumber_micType_utteranceNumber.wav，其中说话者编号表示性别和语音状态（例如FC01表示女性健康说话者1）。数据集主要用于学术非营利研究，使用时需引用相关论文。
数据集信息： 特征： - 名称：audio（音频），数据类型：audio（音频） - 名称：transcription（转录文本），数据类型：string（字符串） - 名称：speech_status（语音状态），数据类型：string（字符串） - 名称：gender（性别），数据类型：string（字符串） - 名称：duration（时长），数据类型：float64（64位浮点数） 划分集： - 名称：train（训练集），字节数：1741001462.72，样本数：16552 下载大小：1564871166，数据集总大小：1741001462.72 配置： - 配置名称：default（默认配置），数据文件： - 划分集：train（训练集），路径：data/train-* 任务类别： - 自动语音识别（automatic-speech-recognition） - 音频分类（audio-classification） 语言： - 英语（en） 标签： - 医疗（medical） - 构音障碍（dysarthria） - TORGO数据库（TORGO） - 构音障碍语音（dysarthric speech） 样本规模： - 10亿<样本量<100亿 # TORGO数据库（TORGO Database）：构音障碍患者的声学与发音语音语料库 ## 数据集概述 - 本语料库仅包含TORGO数据集的短词与受限句子部分。 - 如需包含非词与无限制句子的完整数据集，请访问：https://www.cs.toronto.edu/~complingweb/data/TORGO/torgo.html。 - 转录文本已进行归一化处理，移除了标点符号，但保留了大小写格式。部分仅包含"xxx"的转录文本已被移除。 - 本数据集包含约5.5小时的构音障碍（dysarthria）语音数据与8小时的健康人语音数据。 <b>短词</b><br> 此类语料可用于研究语音声学特性，无需进行词边界检测。该类别包含以下内容： - 英语数字重复、"yes"（是）、"no"（否）、"up"（上）、"down"（下）、"left"（左）、"right"（右）、"forward"（前）、"back"（后）、"select"（选择）、"menu"（菜单），以及国际无线电通话拼写字母（例如"alpha"（阿尔法）、"bravo"（布拉沃）、"charlie"（查理））。此类词汇可用于辅助无障碍交互的命令软件研究。 - 来自弗雷西构音障碍评估量表（Frenchay Dysarthria Assessment, Enderby, 1983）可懂度部分的50个词汇。 - 来自约克斯顿-伯克曼构音障碍语音可懂度评估量表（Yorkston-Beukelman Assessment of Intelligibility of Dysarthric Speech, Yorkston和Beukelman, 1981）可懂度部分的360个词汇。 - 英国国家语料库（British National Corpus）中出现频率最高的10个词汇。 <b>受限句子</b><br> 为了在自动语音识别（ASR, automatic-speech-recognition）中利用词汇、句法与语义处理能力，我们录制了完整且句法正确的句子。此类句子包含以下内容： - 预选择的富含音素的句子，例如"The quick brown fox jumps over the lazy dog"（敏捷的棕毛狐狸跃过懒狗）、"She had your dark suit in greasy wash water all year"（她一整年都把你的深色西装放在油腻的洗衣水里）以及"Don't ask me to carry an oily rag like that"（别让我拿那种油腻的破布）。 - 祖父段落（Grandfather passage）。 - 来自约克斯顿-伯克曼构音障碍语音可懂度评估量表（Yorkston-Beukelman Assessment of Intelligibility of Dysarthric Speech, Yorkston和Beukelman, 1981）可懂度部分的162个句子。 - 来自MOCHA-TIMIT语料库（MOCHA-TIMIT database, Wrench, 1999; Zue et al, 1989）中用作提示的460个源自TIMIT语料库（TIMIT-derived）的句子。 ## 数据集结构 - 数据样本包含音频文件路径与其转录文本。 - 额外字段包括性别、语音状态（构音障碍或健康）以及时长。 - 本数据集未提供开发集/测试集划分，因为该语料库尚无标准划分方案。 - 文件名格式如下： - speakerNumber_sessionNumber_micType_utteranceNumber.wav - 说话者编号格式为：gender-speechStatus-speakerNumber（例如，FC01代表女性健康对照者1号，M04代表男性构音障碍患者4号） python from datasets import load_dataset dataset = load_dataset("abnerh/TORGO-database") print(dataset) DatasetDict({ train: Dataset({ features: ['audio', 'transcription', 'speech_status', 'gender', 'duration'], num_rows: 16552 }) }) python dataset = load_dataset("abnerh/TORGO-database") print(dataset['train'][0]) {'audio': {'path': 'FC01_1_arrayMic_0066.wav', 'array': array([ 0.00125122, 0.00387573, 0.00115967, ..., 0.00149536, -0.00326538, 0.00027466]), 'sampling_rate': 16000}, 'transcription': 'alpha', 'speech_status': 'healthy', 'gender': 'female', 'duration': 3.3} python print(dataset['train'][12200]) {'audio': {'path': 'M02_1_headMic_0066.wav', 'array': array([ 0.00115967, 0.00106812, 0.00091553, ..., -0.00073242, -0.00082397, -0.00054932]), 'sampling_rate': 16000}, 'transcription': 'yet he still thinks as swiftly as ever', 'speech_status': 'dysarthria', 'gender': 'male', 'duration': 7.605} <b>本数据库仅可用于学术（非盈利）用途。</b>若您在任何出版物中使用本数据集，请至少引用以下论文之一： - Rudzicz, F., Hirst, G., Van Lieshout, P. (2012) 脑性瘫痪语音识别中的声道表征。《语音、语言与听力研究杂志》，55(4):1190-1207，8月。 - Rudzicz, F., Namasivayam, A.K., Wolff, T. (2012) TORGO构音障碍声学与发音语音语料库。《语言资源与评价》，46(4), 523--541页。<b>此文献最贴合本数据集本身。</b> - Rudzicz, F.(2012) 构音障碍语音识别中的发音似然性应用。《语音通信》，54(3), 3月，430--444页。
