RT-03 MDE Training Data Speech数据集介绍，官网编号LDC2004S08

2401_82807501

585人浏览 · 2026-01-10 23:51:14

2401_82807501 · 2026-01-10 23:51:14 发布

RT-03 MDE Training Data Speech（LDC2004S08）是 LDC 为 DARPA EARS 计划 RT-03 评测发布的广播新闻语音元数据提取（MDE）训练集，含约 20 小时标注音频与文本，适配句边界、填充词、说话人分割等 MDE 任务，是英文广播新闻语音元数据建模的核心基准资源。以下是详细介绍：

基本信息

项目	详情
发布机构	美国语言数据联盟（LDC）
发布时间	2004 年 4 月 15 日
数据集编号	LDC2004S08
数据规模	约 20 小时广播新闻音频，对应完整人工转写文本
采集来源	美国主流广播 / 电视新闻（如 ABC、NBC、CNN、VOA 等）
信号规格	单声道，16 位，16 kHz（广播新闻标准采样）
标注类型	句边界（SU）、填充词、修正不流畅、说话人 ID、时间戳
应用场景	元数据提取、自动标点、说话人分割、语音转写后处理、语言建模
配套资源	含 RT-03 MDE 测试集（LDC2004S09）与评估脚本