Laboratory Conditions Czech Audio-Visual Speech Corpus

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F08%3A00503098" target="_blank" >RIV/49777513:23520/08:00503098 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Laboratory Conditions Czech Audio-Visual Speech Corpus

Popis výsledku v původním jazyce

This is an audio-visual speech database for training and testing of Czech audio-visual continuous speech recognition systems. The corpus consists of about 25 hours of audio-visual records of 65 speakers in laboratory conditions. Data collection was donewith static illumination, and recorded subjects were instructed to remain static. The average speaker age was 22 years old. Speakers were asked to read 200 sentences each (50 common for all speakers and 150 specific to each speaker). The average total length of recording per speaker is 23 minutes. All audio-visual data are transcribed (.trs files) and divided into sentences (one sentence per file). For each video file we get the description file containing information about the position and size of theregion of interest. Acoustic data are stored in wave files using PCM format, sampling frequency 44kHz, resolution 16 bits. Each speaker?s acoustic data set represents about 140 MB of disk space (about 9 GB as a whole). Visual data are sto

Název v anglickém jazyce

Laboratory Conditions Czech Audio-Visual Speech Corpus

Popis výsledku anglicky

This is an audio-visual speech database for training and testing of Czech audio-visual continuous speech recognition systems. The corpus consists of about 25 hours of audio-visual records of 65 speakers in laboratory conditions. Data collection was donewith static illumination, and recorded subjects were instructed to remain static. The average speaker age was 22 years old. Speakers were asked to read 200 sentences each (50 common for all speakers and 150 specific to each speaker). The average total length of recording per speaker is 23 minutes. All audio-visual data are transcribed (.trs files) and divided into sentences (one sentence per file). For each video file we get the description file containing information about the position and size of theregion of interest. Acoustic data are stored in wave files using PCM format, sampling frequency 44kHz, resolution 16 bits. Each speaker?s acoustic data set represents about 140 MB of disk space (about 9 GB as a whole). Visual data are sto

Druh

R - Software

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/1ET101470416" target="_blank" >1ET101470416: Multimodální zpracování lidské znakové a mluvené řeči počítačem pro komunikaci člověk-stroj</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

S0283

Technické parametry

SW produkt obsahuje speciálně připravené záznamy promluv v českém znakovém jazyce pro trénování systému automatického rozpoznávání znakové řeči. Pro nabytí licence kontaktujte Valerii Mapell prostřednictvím http://www.elda.org/contact.php?recip=vm

Ekonomické parametry

—

IČO vlastníka výsledku

49777513

Název vlastníka

Katedra kybernetiky, Fakulta aplikovaných věd, Západočeská univerzity v Plzni (distribuováno společností ELRA - European Language Resources Association)