LRK100

Latviešu valodas runas atpazīšanas korpuss

Korpusā ir iekļauti audioieraksti un to atšifrējumi ortogrāfiskajā transkripcijā. Katram audioierakstam ir pievienoti metadati: ziņas par ieraksta vietu, ieraksta ilgums, runātāja vecums, dzimums un latviešu valodas valodas prasme. Daļa korpusa (apm. 4 stundas) ir marķēta fonētiskajā transkripcijā. Korpuss galvenokārt tiek izmantots runas atpazīšanas risinājumu izstrādei. Nav publiski pieejams.

Publikācija, uz kuru atsaukties:

M. Pinnis and I. Auzina and K. Goba
Designing the Latvian speech recognition corpus
Proceedings of the 9th International Conference on Language Resources and Evaluation (LREC), 2014
PDF

runas (4) vispārīgs (6) reprezentatīvs (8)

Korpusa apjoms	100 stundas
Izstrādes periods	2013
Izstrādātājs	LU MII, Tilde, LETA
Finansējuma avots	ERAF (KC/2.1.2.1.1/10/01/001, projekts Nr. 2.9)
Citas publikācijas	I. Auzina and M. Pinnis and R. Dargis Comparison of rule-based and statistical methods for grapheme to phoneme modelling Human Language Technologies - The Baltic Perspective, 268, 2014 PDF DOI A. Znotins and K. Polis and R. Dargis Media monitoring system for Latvian radio and TV broadcasts Proceedings of the 16th Annual Conference of the International Speech Communication Association (INTERSPEECH), 2015 PDF