BSTC signifie Baidu Speech Translation Corpus, un ensemble de données d'interprétation simultanée automatique à grande échelle utilisé pour la construction de systèmes d'interprétation simultanée automatique. Le corpus est divisé en trois sous-ensembles : ensemble d'entraînement, ensemble de développement et ensemble de test. Chaque sous-ensemble comprend : -Fichier de signal sonore, nommé baidu_XX.wav

• Fichier de description, comprenant les informations de description de chaque signal sonore, chaque phrase est codée au format JSON -Documentation complémentaire, comprenant des descriptions détaillées des discours et des rapports