CCMT 2019-BSTC Sprachübersetzungskorpus

BSTC steht für Baidu Speech Translation Corpus, einen umfangreichen Datensatz zur automatischen Simultandolmetschung, der zum Aufbau automatischer Simultandolmetschsysteme verwendet wird.

Das Korpus ist in drei Teilmengen unterteilt: Trainingssatz, Entwicklungssatz und Testsatz. Jede Teilmenge umfasst:

-Tonsignaldatei mit dem Namen baidu_XX.wav

- Beschreibungsdatei, einschließlich Beschreibungsinformationen zu jedem Tonsignal. Jeder Satz ist im JSON-Format codiert

- Ergänzende Dokumentation, einschließlich detaillierter Beschreibungen von Reden und Berichten