语音翻译常用数据集_中英文翻译数据集

语音翻译常用数据集

1. Fisher and CALLHOME Spanish-English Speech Translation

【基本信息】

Fisher and CALLHOME Spanish-English Speech Translation数据集是由约翰霍普金斯大学开发的，包含英语参考翻译和语音识别器各种形式的输出，补充了LDC Fisher Spanish (LDC2010T04) 和CALLHOME Spanish音频和转录版本 (LDC96T17)。两者一起组成了一个四向平行的数据集，包括西班牙语音频、转录、语音识别词图（ASR lattices）和大约38小时的语音的英文翻译。

源数据是由LDC开发的Fisher Spanish和CALLOME Spanish语料库，包括各种方言的（主要是母语）西班牙语使用者之间转录的电话对话。Fisher Spanish数据集包含 819 次转录对话，内容涉及各种提供的主题，主要是在陌生人之间，产生大约160小时的在发音级别对齐语音，包含150万个token。CALLHOME Spanish语料库包括120份主要是朋友和家人之间自发对话的转录，产生了大约20小时的在发音级别对齐语音，转录文本仅超过20万个token。