NOTSOFAR-1: مجموعة بيانات النسخ التلقائي للاجتماعات عن بُعد بجهاز واحد، هي مجموعة بيانات أصدرتها Microsoft في عام 2025 لتقييم مهام النسخ التلقائي للاجتماعات عن بُعد، وتهدف إلى تعزيز تطور تقنيات فصل النسخ والنسخ التلقائي للصوت عن بُعد باستخدام جهاز واحد.

تحتوي هذه المجموعة على تسجيلات اجتماعات حقيقية، تغطي قاعات اجتماعات مختلفة، وأعدادًا مختلفة من المتحدثين، وتكوينات ميكروفونات متعددة، وبيئات صوتية متنوعة، مما يجعلها مفيدة لدراسة جمع الصوت عن بُعد، ومعالجة الأصوات المتداخلة لعدة أشخاص، والنسخ التلقائي للاجتماعات. كما توفر الجهة الرسمية كود النظام الأساسي (Baseline)، الذي يدمج فصل الكلام المستمر (CSS)، والنظام الآلي للتعرف على الكلام (ASR) المبني على Whisper، ووحدة تحديد هوية المتحدثين (Speaker Diarization) المبنية على NeMo، مما يدعم الباحثين في تشغيل استنتاجات النموذج وتقييم أدائه.

مكونات مجموعة البيانات

• مجموعة التطوير (Dev-set): تتضمن بيانات تسجيل اجتماعات أحادية القناة (Single-Channel) ومتعددة القنوات (Multi-Channel). يبلغ عدد الجلسات أحادية القناة 177، وعدد الجلسات متعددة القنوات 106.
• تقسيمات المجموعات الفرعية: تم تقسيم البيانات إلى عدة مجموعات فرعية بناءً على سيناريوهات الاجتماعات وظروف الضوضاء، بما في ذلك الاجتماعات الطبيعية (#NaturalMeeting)، والتداخلات في النقاشات (#DebateOverlaps)، والأدوار غير المتداخلة (#TurnsNoOverlap)، والضوضاء العابرة العالية (#TransientNoise=high)، والتحدث بالقرب من السبورة البيضاء (#TalkNearWhiteboard)، وغيرها.
• كود النظام الأساسي: يتم توفير كود أساسي كامل بلغة Python، يتضمن فصل الكلام المستمر، والنظام الآلي للتعرف على الكلام المبني على Whisper، ووحدة تحديد هوية المتحدثين المبنية على NeMo.
• مقاييس التقييم: يتم استخدام مقياس tcpWER المنسوب للمتحدثين بشكل أساسي للترتيب، بينما يُستخدم مقياس tcORC-WER كمقياس تحليل مساعد.
• بيانات التدريب: بالإضافة إلى مجموعة التطوير، يتم توفير مجموعة بيانات تدريب محاكاة (Simulated Training Set)، تحتوي على حوالي 1,000 ساعة أو 200 ساعة من البيانات المحاكاة، وتُستخدم لتدريب النماذج وضبطها الدقيق.