Речевой корпус

Речево́й ко́рпус (звуково́й ко́рпус) — база данных аудиофайлов и транскрипций текстов, разновидность корпуса текстов. В речевых технологиях речевые корпуса используются, среди прочего, для создания акустических моделей (которые затем могут использоваться в механизмах распознавания речи). В лингвистике речевые корпуса используются для исследований фонетики, диалектологии, конверсационного анализа и в других областях.

Существует два типа речевых корпусов:
1.Базы начитанных текстов, в том числе:

• тексты книг;
• тексты трансляций новостей;
• списки слов;
• последовательности чисел.

2.Базы аудиозаписей спонтанной речи — в том числе:

• диалоги — беседы между двумя или более людьми;
• устные рассказы (например, Buckeye Corpus);
• картографические пояснения — один человек объясняет маршрут на карте другим;
• задачи назначения — два человека пытаются найти общее время встречи, основанное на отдельных графиках.

Особый вид речевых корпусов — это базы данных текстов, наговоренных людьми, не являющимися носителями языка, которые содержат речь с иностранным акцентом.

Литература

• Edwards, Jane / Lampert, Martin (eds.) (1992): Talking Data — Transcription and Coding in Discourse Research. Hillsdale: Erlbaum.
• Leech, Geoffrey / Myers, Greg / Thomas, Jenny (eds.) (1995): Spoken English on Computer: Transcription, Markup and Application. Harlow: Longman.

Ссылки

• Santa Barbara Corpus of Spoken American English
• Buckeye Corpus The Buckeye Corpus of Conversational Speech
• Spoken Language Corpora at the Research Center on Multilingualism
• The Spoken Turkish Corpus at METU Ankara
• Spoken Corpus Klient with the Corp-Oral Corpus at ILTEC Lisbon
• VoxForge — open source speech corpora
• OLAC: Open Language Archives Community
• BAS Bavarian Archive for Speech Signals
• Simmortel Speech Recognition Corpus for Indian English and Hindi
• ELRA: the European Language Resources Association
• The PELCRA Conversational Corpus of Polish
• The Arabic Speech Corpus