2004 Spring NIST Rich Transcription (RT-04S) Development Data数据集介绍，官网编号LDC2007S11
2004 Spring NIST Rich Transcription (RT-04S) Development Data（LDC2007S11）是 LDC 为 NIST RT-04S 会议语音识别评测发布的开发数据集，核心用于多通道会议语音的端点检测、说话人分离与识别、丰富转录模型训练 / 调参，含约 28.7 小时会议语音、多通道录音与完整标注转录，2007 年发布
核心基础信息
| 项目 | 详情 |
|---|---|
| 发布机构 | 美国语言数据联盟（LDC），数据来源为 NIST RT-04S 评测项目 |
| 数据规模 | 约 28.7 小时会议语音，含 3-7 人多方会议，覆盖 ICSI、NIST、CMU、LDC 等多站点采集场景 |
| 语料类型 | 真实会议语音（含讨论、演示、问答等），适配远场 / 多麦克风声学环境 |
| 发布时间 | 2007 年 |
| 配套资源 | 对应评测集为 LDC2007S12，完整 RT-04S 含开发 + 评测两部分 |
数据采集与处理
- 采集设计：受试者为会议参与者（研究人员 / 学生），真实会议场景自然交流，内容涵盖技术讨论、项目汇报等，保证语料真实性与任务多样性，适配会议语音识别核心需求。
- 录音规格：多通道同步采集（含单远场麦克风 SDM、阵列麦克风等），音频为 16kHz 采样、16 位 PCM 格式，适配语音技术标准输入；多站点不同麦克风布局，覆盖远场 / 混响等复杂声学场景，提升模型鲁棒性训练效果
数据格式与内容
- 语音数据：WAV 格式多通道音频，16kHz 采样、16 位编码，按站点 / 会议 / 麦克风通道划分文件，适配多通道模型训练与单通道场景适配。
- 文本数据：含词级转录文本、说话人 ID、时间戳、静音段标注等，以标注文件存储，支持批量训练与说话人分离任务。
- 元数据：含会议站点、麦克风类型 / 位置、说话人信息、采集日志等技术参数，助力数据筛选与声学场景适配，支撑多条件模型优化。