美国英语智能家居语音数据库-希尔贝壳.pdfVIP

AISHELL-ASR0020-[US-EN] 美国英语智能家居语音数据库 AISHELL-ASR0020-[US-EN] 产品说明书 AISHELL-ASR0020-[US-EN] 目录 1 产品概述3 2 录音语料3 2.1 语料池的制作3 2.1.1 语料池内容3 2.1.2 语料池处理3 2.2 录音文本的结构设计3 3 发音人信息4 3.1 基本信息记录4 3.2 发音人结构特征4 3.2.1 性别比例4 4 数据录制环境5 4.1 录制现场5 4.2 录制设备5 4.3 录制方法5 5 语音数据转写6 6 语音数据转写6 6.1 目录结构6 6.2 命名规则7 6.2.1 目录命名规则7 7 版权声明7 AISHELL-ASR0020-[US-EN] 1 产品概述 此智能家居语音数据库共400 小时。录音文本包含主流家居场景智能控制、影音娱乐、 唤醒词、自由文本。邀请200 名美国本土发音人参与录制。录制过程在真实家居环境中，模 拟智能家居电器及应用产品为录音位，使用4 个高保真麦克风（44.1kHz，16bit）进行录制。 此数据库经过专业语音校对人员转写标注，并通过严格质量检验，文本正确率在95%以 上。 2 录音语料 2.1 语料池的制作 2.1.1 语料池内容 录音文本包含主流家居场景智能控制、影音娱乐、唤醒词、自由文本。 2.1.2 语料池处理  脱敏处理。删除政治敏感、个人隐私、色情暴力等内容。  删除 , , [ , ] , ～ , / , \ , = 等符号。  删除含有中文和英文以外语言的内容。  删除单句含有25 字以上的内容。  统一格式。 2.2 录音文本的结构设计 考虑到语音覆盖及音素平衡，此数据库录音文本采用每份500 句的分配方式设计，从 语料池中抽取，结构如下。（图表 2-2 ） 序号 内容 每份分配量/句 1 智能控制 10 2 影音娱乐 90 3 唤醒词 50 AISHELL-ASR0020-[US-EN] 4 自由文本 350 合计 500 句 图表2-2 3 发音人信息 3.1 基本信息记录 发音人信息记录内容包括任务编号、性别、年龄、场景。（图表3-1） 任务编号 性别 年龄 场景 0001 M 29 场景 1 图表3-1 任务编号：每个发言人领取1 个任务编号，每个任务编号对应1 份录音文本。每个发言 人只能参加一次录制。 场景信息： 场景1(27 人) ：15m 长*20m 宽*3.5m 高 场景2(20 人) ：6m 长*4m 宽*3m 高 场景3-(142 人) ：5.5m 长*4