Décrit un ensemble de données audio de mots prononcés conçu pour aider à l'entraînement et à l'évaluation des systèmes de détection de mots-clés. Explique pourquoi cette tâche représente un défi intéressant et pourquoi elle nécessite un ensemble de données spécialisé, différent des ensembles de données conventionnels utilisés pour la reconnaissance automatique de la parole en phrases complètes. Propose une méthodologie permettant d'obtenir des métriques d'exactitude reproductibles et comparables pour cette tâche. Détaille comment les données ont été collectées et vérifiées, ce qu'elles contiennent, les versions précédentes ainsi que leurs propriétés. Conclut en rapportant les résultats de base des modèles entraînés sur cet ensemble de données.