2001 NIST Speaker Recognition Evaluation Corpus（LDC 目录编号 LDC2002S34）是 NIST 主导、LDC 发布的经典说话人识别评测基准数据集，核心用于会话式电话语音（CTS）场景的说话人检测与验证任务，为早期说话人识别系统提供统一评测标准与训练 / 测试数据划分，是 GMM - UBM 等经典模型的核心评测资源。

基础信息

核心数据构成与标注体系

• 数据来源：核心数据源自 Switchboard - I（SWBD - I）会话式电话语料库，新增蜂窝电话语音数据，覆盖固定电话与移动电话两种信道，提升信道鲁棒性评测能力。
• 数据划分
  1. 注册集：每个目标说话人提供 2 分钟语音，用于训练说话人模型。
  2. 测试集：包含目标测试（同一说话人）与冒名测试（不同说话人），平均每条测试片段 30 秒，用于系统性能评估。
  3. 扩展数据集：基于 Switchboard - I 扩展，用于额外系统开发与对比实验。
• 标注内容
  1. 说话人标注：含说话人 ID、性别，通过会话侧标识（如 “1234A”）关联说话人与对应语音片段。
  2. 评测控制文件：定义模型训练与测试流程，明确目标 / 冒名测试对，规范评测标准。
  3. 元数据：标注语音信道类型（固定 / 蜂窝）、会话 ID 等，支撑信道适配研究。

评测任务与核心流程

• 核心任务：单说话人检测（speaker detection），即给定注册语音与测试语音，判断测试语音是否来自目标说话人，输出二分类决策与似然得分。
• 评测流程
  1. 用注册集训练说话人模型（如 GMM - UBM）。
  2. 对测试集样本进行目标 / 冒名分类，计算等错误率（EER）等指标。
  3. 基于评测控制文件统一评估标准，确保不同系统间结果可比。

主要用途

1. 说话人识别模型训练：用于 GMM - UBM、i - vector 等经典模型的训练与参数调优，适配会话式电话语音场景。
2. 系统性能基准评测：作为统一评测数据集，评估不同说话人识别系统的检测精度与信道鲁棒性。
3. 信道适配研究：对比固定电话与蜂窝电话语音差异，支撑信道补偿算法（如 CMS、VTS）开发。
4. 说话人识别算法对比：为不同算法（如基于频谱、韵律、声门特征的方法）提供公平对比平台。