BrunoHays/UBS

该数据集收集了来自Accueil_UBS数据集的339个电话对话片段，旨在评估在真实情境下，特别是呼叫中心环境中的法语自动语音识别系统。数据集包含了音频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，包括删除不符合标准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的真实电话接待记录。
• 内容: 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（姓名和名字被替换为“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