Czech SpeechDat(E) Database

View resource name in all available languages

Base de données SpeechDat(E) du tchèque

FIXED3CS

ID:

ELRA-S0094

The Czech SpeechDat(E) Database (Eastern European Speech Databases for Creation of Voice Driven Teleservices) comprises 1052 Czech speakers (526 males, 526 females) recorded over the Czech fixed telephone network. This database is partitioned into 6 CDs. The speech databases made within the SpeechDat(E) project were validated by SPEX, the Netherlands, to assess their compliance with the SpeechDat(E) format and content specifications.
The speech files are stored as sequences of 8-bit, 8kHz A-law speech files and are not compressed, according to the specifications of SpeechDat(E). Each prompt utterance is stored within a separate file and has an accompanying ASCII SAM label file.
Corpus contents:
- 6 application words;
- 1 sequence of 10 isolated digits;
- 4 connected digits: 1 sheet number (5+ digits), 1 telephone number (9-11 digits), 1 credit card number (14-16 digits), 1 PIN code (6 digits);
- 3 dates: 1 spontaneous date (birthday), 1 prompted date (word style), 1 relative and general date expression;
- 1 spotting phrase using an application word (embedded);
- 1 isolated digit;
- 3 spelled-out words (letter sequences): 1 spontaneous e.g. own forename; 1 spelling of directory assistance city name; 1 real/artificial name for coverage;
- 2 currency money amounts: 1 Czech money amount, 1 International money amount (USD, EURO)
- 1 natural number;
- 6 directory assistance names: 1 spontaneous, e.g. own forename; 1 city of birth / growing up (spontaneous); 1 most frequent city (out of 500); 1 most frequent company/agency (out of 500); 1 "forename surname" (set of 150 ), 1 "surname" (set of 150 )
- 2 questions, including "fuzzy" yes/no: 1 predominantly "yes" question, 1 predominantly "no" question;
- 12 phonetically rich sentences;
- 2 time phrases: 1 time of day (spontaneous), 1 time phrase (word style);
- 4 phonetically rich words.
- 4 additional questions (spontaneous)
The following age distribution has been obtained: 20 speakers are below 16 years old, 490 speakers are between 16 and 30, 238 speakers are between 31 and 45, 230 speakers are between 46 and 60, 71 speakers are over 60, and 3 speakers of unknown age.
A pronunciation lexicon with a phonemic transcription in SAMPA is also included

View resource description in all available languages

La base de données SpeechDat(E) (Bases de données d'Europe de l'Est pour la création de téléservices conduits par la voix) du tchèque contient 1052 locuteurs tchèque (526 hommes, 526 femmes) enregistrés à travers le réseau téléphonique fixe tchèque. Cette base est répartie sur 6 CD-ROM. Les bases de données ont été réalisées selon les spécifications du projet SpeechDat(E) et validées par SPEX, Pays-Bas.

Les fichiers de parole sont stockés en séquences d'échantillons de 8 bit, 8 kHz, loi-A. Chaque énoncé est stocké dans un fichier séparé et est accompagné d'un fichier d'étiquetage ASCII SAM.Contenu du corpus :

- 6 mots de commande ;
- 1 séquence de 10 chiffres isolés ;
- 4 chiffres connectés : 1 numéro permettant d'identifier la feuille de prompt (+5 chiffres), 1 numéro de téléphone (9-11 chiffres), 1 numéro de carte de crédit (14-16 chiffres), 1 code confidentiel (6 chiffres) ;
- 3 dates : 1 date spontanée (ex. anniversaire), 1 date lue, 1 date générale ;
- 1 expression utilisant un mot de commande ;
- 1 chiffre isolé ;
- 3 mots épelés (séquences de lettres) : 1 spontané (ex: prénom), 1 nom de ville provenant d'un annuaire de renseignements téléphoniques, 1 mot réel/artificiel pour couverture ;
- 2 montants en devises : 1 montant en devise polonaise, 1 montant en devise internationale (Dollar, EURO)
- 1 nombre entier naturel ;
- 6 noms provenant d'un annuaire de renseignements téléphoniques : 1 spontané (ex: prénom), 1 ville de naissance/d'origine du locuteur (spontané), 1 nom de ville parmi les plus fréquentes (sur 500), 1 nom de compagnie parmi les plus fréquentes (sur 500), 1 répétition de "prénom nom" ; 1 répétition de "nom" ;
- 2 questions incluant des oui/non "vagues" : 1 question à prédominance "oui", 1 question à prédominance "non" ;
- 12 phrases phonétiquement riches ;
- 2 phrases comportant une notion de temps : 1 jour (spontané), 1 phrase comportant une notion de temps ;
- 4 mots phonétiquement riches.
- 4 questions supplémentaires (spontanées)
Les classes d'âge sont réparties comme suit : 20 locuteurs de moins de 16 ans, 490 locuteurs entre 16 et 30 ans, 238 locuteurs entre 31 et 45 ans, 230 locuteurs entre 46 et 60 ans, 71 locuteurs de plus de 60 ans et 3 locuteurs d'âge inconnu.

Un lexique de prononciation avec sa transcription phonétique en SAMPA est également fourni.

You don’t have the permission to edit this resource.