Slovenska baza BNSI broadcast news za razpoznavanje tekočega govora

Andrej Žgank (Author), Darinka Verdonik (Author), Zdravko Kačič (Author)

Abstract

V članku bomo predstavili nov slovenski jezikovni vir, bazo BNSI Broadcast News, ki vsebuje posnetke televizijskih dnevnoinformativnih oddaj. Vir je namenjen razvoju razpoznavalnikov tekočega govora z velikim slovarjem besed za neomejeno domeno. Sestavljajo ga govorna baza z ročno tvorjenimi transkripcijami v obsegu 36 ur in tekstovni korpus, ki vsebuje I I niio besed. Govorna baza je namenjena učenju akustičnih modelov, tekstovni korpus pa bo uporabljen za izdelavo jezikovnih modelov. Novi jezikovni vir je plod sodelovanja med Univerzo v Mariboru, FERI in IZ'FV Slovenija. V članku bomo najprej predstavili postopek zajemanja gradiva in karakteristike baze. Opisali bomo potek ročnega zapisovanja govornega korpusa. Sledila bo podrobna analiza govornega in tekstovnega dela baze, ki je namenjena predstavitvi vseh lastnosti jezikovnega vira, ki vplivajo na razvoj razpoznavalnikov govora.

Keywords

slovenski jezikovni vir;avtomatsko razpoznavanje tekočega govora;govorni korpus;besedilni korpus;Broadcast news;

Data

Language:	Slovenian
Year of publishing:	2008
Typology:	1.01 - Original Scientific Article
Organization:	UM FERI - Faculty of Electrical Engineering and Computer Science
Publisher:	Elektrotehniška zveza Slovenije
UDC:	81'1:004.9
COBISS:	6739796
ISSN:	0013-5852
Views:	890
Downloads:	45
Average score:	0 (0 votes)
Metadata:

Other data

Secondary language:	English
Secondary title:	The Slovenian BNSI broadcast news database for continuous speech recognition
Secondary keywords:	Slovenian language resources;automatic continuous speech recognition;speech corpus;text corpus;Broadcast news;
URN:	URN:NBN:SI
Type (COBISS):	Not categorized
Pages:	str. 85-90
Volume:	ǂLetn. ǂ75
Issue:	ǂšt. ǂ3
Chronology:	2008
ID:	1735399