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