RT-03 MDE Training Data Text and Annotations数据集介绍，官网编号LDC2004T12

LinguisticData

604人浏览 · 2026-01-11 00:05:03

LinguisticData · 2026-01-11 00:05:03 发布

RT-03 MDE Training Data Text and Annotations（RT-03 MDE 文本与标注训练数据，LDC2003S08、LDC2003T15）是 LDC 为 DARPA RT-03 评测构建的口语元数据抽取（MDE）训练资源，含广播新闻（BN）与电话会话（CTS）的文本及多层标注，适配口语边界检测、填充词识别、说话人角色标注等语音与 NLP 交叉任务，是早期口语处理基准数据集。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），受 DARPA EARS/RT 项目资助
发布时间	2003 年
数据集编号	语音数据 LDC2003S08，文本与标注 LDC2003T15
数据规模	约 60 小时语音对应文本，含 BN 约 20 小时、CTS 约 40 小时，覆盖英语等语言
文本类型	英语广播新闻（VOA、CNN 等）、英语电话会话（日常闲聊、事务沟通）
标注体系	RT-03 MDE 标注规范，含 6 类核心任务标注（句边界、子句边界、填充词等）
应用场景	口语元数据抽取、说话人角色标注、ASR 后处理、口语句法分析、会话结构建模
配套资源	标注指南、数据拆分文件、标注一致性报告、RT-03 评测脚本

AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

后端开发者必备：Java转AI应用开发指南（收藏版）

AtomGit开源社区

AI 推理性能调优：推理引擎选型与批处理策略的工程实战

AtomGit开源社区

AI漫剧制作软件交付前怎么做质检？先把镜头、字幕和回退点列成缺陷单

AI漫剧制作软件做交付前质检，关键不是等成片导出后再凭感觉重看，而是把镜头、字幕和回退点提前列成一张缺陷单。辰入梦(chenrumeng.cn)是一款面向普通创作者和小团队的 AI短剧制作软件、AI漫剧制作软件，也是一站式 AI短剧生成工具，适合把剧本、角色、场景、分镜、视频生成和成片预览放进同一套可复查流程里。