slprl/StressPresso

---
language:
- en
license: cc-by-nc-4.0
task_categories:
- question-answering
- automatic-speech-recognition
- audio-classification
- audio-text-to-text
dataset_info:
features:
- name: transcription
dtype: string
- name: intonation
dtype: string
- name: description
dtype: string
- name: possible_answers
sequence: string
- name: label
dtype: int64
- name: audio_lm_prompt
dtype: string
- name: audio
struct:
- name: array
sequence: float64
- name: path
dtype: string
- name: sampling_rate
dtype: int64
- name: stress_pattern
struct:
- name: binary
sequence: int64
- name: indices
sequence: int64
- name: words
sequence: string
- name: metadata
struct:
- name: audio_path
dtype: string
- name: gender
dtype: string
- name: speaker_id
dtype: string
- name: interpretation_id
dtype: string
- name: transcription_id
dtype: string
splits:
- name: test
num_bytes: 216570205
num_examples: 202
download_size: 135868258
dataset_size: 216570205
tags:
- speech
- stress
- intonation
- audio-reasoning
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
pretty_name: StressPresso
---
# StressPresso Evaluation Dataset

This dataset is derived from the *Expresso* dataset as introduced in the paper
**[EXPRESSO: A Benchmark and Analysis of Discrete Expressive Speech Resynthesis](https://arxiv.org/pdf/2308.05725)**.

For additional information on *Expresso*, see its [project page](https://speechbot.github.io/expresso/).

The *StressPresso* dataset supports the evaluation of models on **Sentence Stress Reasoning (SSR)** and **Sentence Stress Detection (SSD)** tasks, as introduced in our paper:

**[StressTest: Can YOUR Speech LM Handle the Stress?](https://huggingface.co/papers/2505.22765)**

💻 [Code Repository](https://github.com/slp-rl/StressTest) | 🤗 [Model: StresSLM](https://huggingface.co/slprl/StresSLM) | 🤗 [Stress-17k Dataset](https://huggingface.co/datasets/slprl/Stress-17K-raw)

📃 [Paper](https://huggingface.co/papers/2505.22765) | 🌐 [Project Page](https://pages.cs.huji.ac.il/adiyoss-lab/stresstest/)

---

## 🗂️ Dataset Overview

The *StressPresso* dataset includes **202** evaluation samples (split: `test`) with the following features:

* `transcription_id`: Identifier for each transcription sample.
* `transcription`: The spoken text.
* `description`: Description of the interpretation of the stress pattern.
* `intonation`: The stressed version of the transcription.
* `interpretation_id`: Unique reference to the interpretation imposed by the stress pattern of the sentence.
* `audio`: Audio data at 48kHz sampling rate.
* `metadata`: Structured metadata including:

* `gender`: Speaker gender.
* `audio_path`: Expresso sample name.
* `speaker_id`: Expresso speaker id.
* `possible_answers`: List of possible interpretations for SSR.
* `label`: Ground truth label for SSR.
* `stress_pattern`: Structured stress annotation including:

* `binary`: Sequence of 0/1 labels marking stressed words.
* `indices`: Stressed word positions in the transcription.
* `words`: The actual stressed words.
* `audio_lm_prompt`: The prompt used for SSR.

---

## Evaluate YOUR model

This dataset is designed for evaluating models following the protocol and scripts in our [StressTest repository](https://github.com/slp-rl/StressTest).

To evaluate a model, refer to the instructions in the repository. For example:

```bash
python -m stresstest.evaluation.main \
--task ssr \
--model_to_evaluate stresslm
```

Replace `ssr` with `ssd` for stress detection, and use your model’s name with `--model_to_evaluate`.

---

## How to use

This dataset is formatted for usage with the HuggingFace Datasets library:

```python
from datasets import load_dataset

dataset = load_dataset("slprl/StressPresso")
```

---

## 📖 Citation

If you use this dataset in your work, please cite:

```bibtex
@misc{yosha2025stresstest,
title={StressTest: Can YOUR Speech LM Handle the Stress?},
author={Iddo Yosha and Gallil Maimon and Yossi Adi},
year={2025},
eprint={2505.22765},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2505.22765},
}
```

language:
- 英语
许可证：CC BY-NC 4.0
任务类别：
- 问答
- 自动语音识别
- 音频分类
- 音频-文本-文本
数据集信息：
特征：
- 名称：transcription（转录文本），数据类型：字符串
- 名称：intonation（语调特征），数据类型：字符串
- 名称：description（描述文本），数据类型：字符串
- 名称：possible_answers（候选答案集），数据类型：字符串序列
- 名称：label（标签），数据类型：64位整数
- 名称：audio_lm_prompt（语音大语言模型提示文本），数据类型：字符串
- 名称：audio（音频数据），结构体：
- 名称：array（音频数组），数据类型：64位浮点数序列
- 名称：path（音频路径），数据类型：字符串
- 名称：sampling_rate（采样率），数据类型：64位整数
- 名称：stress_pattern（重音模式），结构体：
- 名称：binary（重音二进制标记），数据类型：64位整数序列
- 名称：indices（重音词索引），数据类型：64位整数序列
- 名称：words（重音词列表），数据类型：字符串序列
- 名称：metadata（元数据），结构体：
- 名称：audio_path（音频路径），数据类型：字符串
- 名称：gender（说话人性别），数据类型：字符串
- 名称：speaker_id（说话人ID），数据类型：字符串
- 名称：interpretation_id（解释ID），数据类型：字符串
- 名称：transcription_id（转录文本ID），数据类型：字符串
划分集：
- 名称：测试集（test），字节数：216570205，样本数：202
下载大小：135868258
数据集总大小：216570205
标签：
- 语音
- 重音
- 语调
- 音频推理
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分集：测试集，路径：data/test-*
展示名称：StressPresso

# StressPresso 评估数据集
本数据集源自论文**[EXPRESSO: A Benchmark and Analysis of Discrete Expressive Speech Resynthesis](https://arxiv.org/pdf/2308.05725)**中提出的Expresso数据集。
如需了解Expresso的更多信息，请访问其[项目主页](https://speechbot.github.io/expresso/)。

StressPresso数据集可用于评估模型在**语句重音推理（Sentence Stress Reasoning, SSR）**和**语句重音检测（Sentence Stress Detection, SSD）**任务上的性能，相关细节可参阅我们的论文：
**[StressTest: Can YOUR Speech LM Handle the Stress?](https://huggingface.co/papers/2505.22765)**

💻 [代码仓库](https://github.com/slp-rl/StressTest) | 🤗 [模型：StresSLM](https://huggingface.co/slprl/StresSLM) | 🤗 [Stress-17k 数据集](https://huggingface.co/datasets/slprl/Stress-17K-raw)
📃 [论文](https://huggingface.co/papers/2505.22765) | 🌐 [项目主页](https://pages.cs.huji.ac.il/adiyoss-lab/stresstest/)

## 🗂️ 数据集概览
StressPresso数据集包含**202**个评估样本（划分集：`test`，即测试集），各特征说明如下：
* `transcription_id`：每条转录样本的唯一标识符。
* `transcription`：口语化文本内容。
* `description`：对语句重音模式的解释描述。
* `intonation`：带有目标重音的转录文本版本。
* `interpretation_id`：指向语句重音模式所对应解释的唯一引用标识。
* `audio`：采样率为48kHz的音频数据。
* `metadata`：结构化元数据，包含：
* `gender`：说话人性别。
* `audio_path`：Expresso数据集样本名称。
* `speaker_id`：Expresso数据集说话人ID。
* `possible_answers`：语句重音推理任务的候选解释列表。
* `label`：语句重音推理任务的真实标签。
* `stress_pattern`：结构化重音标注信息，包含：
* `binary`：标记重音词的0/1标签序列。
* `indices`：转录文本中重音词的位置索引。
* `words`：实际的重音词列表。
* `audio_lm_prompt`：用于语句重音推理任务的提示文本。

## 评估你的模型
本数据集的设计遵循我们[StressTest代码仓库](https://github.com/slp-rl/StressTest)中的评估协议与脚本。
如需评估模型，请参考仓库内的说明文档。示例如下：
bash
python -m stresstest.evaluation.main
--task ssr
--model_to_evaluate stresslm

若需执行重音检测任务，只需将`ssr`替换为`ssd`，并通过`--model_to_evaluate`参数指定待评估模型的名称。

## 使用方法
本数据集适配HuggingFace Datasets库进行加载，示例代码如下：
python
from datasets import load_dataset

dataset = load_dataset("slprl/StressPresso")

## 📖 引用说明
若您在研究中使用本数据集，请引用以下文献：
bibtex
@misc{yosha2025stresstest,
title={"StressTest: Can YOUR Speech LM Handle the Stress?"},
author={Iddo Yosha and Gallil Maimon and Yossi Adi},
year={2025},
eprint={2505.22765},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2505.22765},
}