ATCOSIM语料库数据卡

数据集概述

ATCOSIM空中交通管制模拟语音语料库是由格拉茨理工大学（TUG）和欧洲航空管理局实验中心（EEC）提供的一种空中交通管制（ATC）操作员语音数据库。这个语料库包含了使用近距离话筒进行的ATC实时模拟过程中记录的十小时语音数据。这些话语是用英语发音的，由十个非母语人士发音。该数据库包括正字法转录和有关发言人和录音会话的其他信息。该语料库由Konrad Hofbauer（ description here ）进行记录和注释。

支持的任务和排行榜

• 语音自动识别。这里已经提供了经过调整/微调的模型。详细信息可在此处查看--> XLS-R-300m 。

语言和其他详细信息

文本和录音均为英语。参与的管制员都是积极从事空中交通管制工作并在模拟区域具有专业经验的。这六名男性和四名女性控制员要么是德国人，要么是瑞士人，并且他们的母语为德语、瑞士德语或瑞士法语。控制员同意录制他们的声音，目的是进行语言分析以及语音技术的研究和开发，并被要求展示他们的正常工作行为。

数据集结构

数据字段

• id（字符串）：每个示例的录音标识符字符串，对应于它的。
• audio（音频）：给定ID的音频数据
• text（字符串）：文件的转录，已经进行了规范化。详细信息请参阅以下存储库 w2v2-air-traffic 和 bert-text-diarization-atc
• segment_start_time（float32）：段开始时间（通常为0）
• segment_end_time（float32）：段结束时间
• duration（float32）：录音持续时间，计算为segment_end_time - segment_start_time

其他信息

许可信息

数据集的许可状态取决于 ATCOSIM corpus 创建者的法律状态。

引用信息

在HuggingFace中准备、处理、规范化和上传数据集的贡献者：

@article{zuluaga2022how,
    title={How Does Pre-trained Wav2Vec2. 0 Perform on Domain Shifted ASR? An Extensive Benchmark on Air Traffic Control Communications},
    author={Zuluaga-Gomez, Juan and Prasad, Amrutha and Nigmatulina, Iuliia and Sarfjoo, Saeed and others},
    journal={IEEE Spoken Language Technology Workshop (SLT), Doha, Qatar},
    year={2022}
  }

@article{zuluaga2022bertraffic,
  title={BERTraffic: BERT-based Joint Speaker Role and Speaker Change Detection for Air Traffic Control Communications},
  author={Zuluaga-Gomez, Juan and Sarfjoo, Seyyed Saeed and Prasad, Amrutha and others},
  journal={IEEE Spoken Language Technology Workshop (SLT), Doha, Qatar},
  year={2022}
  }

@article{zuluaga2022atco2,
  title={ATCO2 corpus: A Large-Scale Dataset for Research on Automatic Speech Recognition and Natural Language Understanding of Air Traffic Control Communications},
  author={Zuluaga-Gomez, Juan and Vesel{\`y}, Karel and Sz{\"o}ke, Igor and Motlicek, Petr and others},
  journal={arXiv preprint arXiv:2211.04054},
  year={2022}
}

数据集的作者：

@inproceedings{hofbauer-etal-2008-atcosim,
    title = "The {ATCOSIM} Corpus of Non-Prompted Clean Air Traffic Control Speech",
    author = "Hofbauer, Konrad  and
      Petrik, Stefan  and
      Hering, Horst",
    booktitle = "Proceedings of the Sixth International Conference on Language Resources and Evaluation ({LREC}'08)",
    month = may,
    year = "2008",
    address = "Marrakech, Morocco",
    publisher = "European Language Resources Association (ELRA)",
    url = "http://www.lrec-conf.org/proceedings/lrec2008/pdf/545_paper.pdf",
}