Simple Voice Questions (SVQ) est un court ensemble de données audio publié par Google et constitue un élément d'évaluation de base du Massive Sound Embedding Benchmark (MSEB). Cet ensemble de données est un corpus vocal multilingue contenant de courtes questions audio dans 17 langues, provenant de 26 régions et totalisant environ 700 locuteurs. Chaque locuteur a fourni jusqu'à 250 échantillons vocaux, couvrant plusieurs langues, dont l'arabe, l'anglais, le japonais, le coréen et l'hindi. Il inclut également diverses conditions d'enregistrement, telles que des environnements calmes, du bruit de fond et du bruit de la circulation. Les données sont étiquetées selon le genre, incluant les catégories femme, homme, non binaire et absence de réponse, démontrant une grande diversité tant linguistique qu'acoustique.

Champs de données :

• utt_id : Chaîne de caractères représentant un identifiant unique pour l’enregistrement.
• Forme d'onde : Type audio, fréquence d'échantillonnage 16 000.
• locale : une chaîne de caractères représentant la région d’enregistrement.
• speaker_id : une chaîne de caractères représentant un identifiant unique pour l’orateur.
• speaker_age : Un entier de 32 bits représentant l’âge du locuteur.
• speaker_gender : une chaîne de caractères représentant le genre de l’orateur.
• environnement : une chaîne de caractères représentant l'environnement d'enregistrement.
• texte : Un type de chaîne de caractères représentant le contenu textuel enregistré.
• topk_salient_terms : Une liste de chaînes de caractères représentant des mots-clés.
• topk_salient_terms_timestamps : Une liste de nombres à virgule flottante représentant les horodatages des mots-clés.