2026-06-03T05:44:44.313Z https://www.nb.no/sprakbanken/oai

oai:nb.no:sbr-85

Arne Martinus Lindstad 2023-08-18 https://www.nb.no/sprakbanken/oai?verb=GetRecord&identifier=oai:nb.no:sbr-85&metadataPrefix=cmdi clarin.eu:cr1:p_1407745711925 Språkbanken NB Resource https://www.nb.no/sbfil/taledata/nb_samtale.zip Resource https://www.nb.no/sbfil/taledata/backslash_notations.txt Resource https://www.nb.no/sbfil/taledata/NB_Samtale_transcription_guidelines.pdf Resource https://www.nb.no/sbfil/taledata/NB_Samtale_About_the_corpus.pdf corpus NB Samtale Norwegian Conversation Speech Corpus NB Samtale er et talekorpus med ortografisk transkribert lydmateriale hentet fra podkaster og opptak av arrangementer på Nasjonalbiblioteket. Korpuset inneholder samtaler mellom flere personer, og talen er spontan og har typiske trekk ved muntlig språk. Lydmaterialet er valgt ut med tanke på god balanse mellom kjønnene og god dialektvariasjon, og korpuset har transkripsjoner på både bokmål og nynorsk. NB Samtale er tenkt som et open-source-datasett for trening av automatisk talegjenkjenning, spesifikt gjenkjenning av spontan tale mellom flere personer i samtale. Det er til sammen 24 timer transkribert tale fra 69 talere fordelt på 12.080 segmenter som hver er en individuell WAV-fil. Metadataene inneholder blant annet informasjon om segmentenes kildefil, tidskode og varighet, samt talernes kjønn, dialekt og målform. NB Samtale er utviklet av Språkbanken ved Nasjonalbiblioteket. Vi setter stor pris på tilbakemeldinger og forslag til forbedringer. Kontakt oss på sprakbanken@nb.no. NB Samtale is a speech corpus made by the Language Bank at the National Library of Norway. The corpus contains orthographically transcribed speech from podcasts and recordings of live events at the National Library. The corpus is intended as an open source dataset for Automatic Speech Recognition (ASR) development, and is specifically aimed at improving ASR systems' handle on conversational speech. The corpus consists of 12,080 segments, a total of 24 hours transcribed speech from 69 speakers. The corpus ensures both gender and dialect variation, and speakers from five broad dialect areas are represented. Both Bokmål and Nynorsk transcriptions are present in the corpus, with Nynorsk making up approximately 25% of the transcriptions. We greatly appreciate feedback and suggestions for improvements. PLease contact us at sprakbanken@nb.no. https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-85/ hdl:21.11146/85 sbr-85 Public downloadable https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-85/ Creative Commons (CC) Creative_Commons-ZERO (CC-ZERO) https://creativecommons.org/publicdomain/zero/1.0/ organization Licensor Nasjonalbiblioteket National Library of Norway NB NLN Språkbanken The Language Bank sprakbanken@nb.no https://www.nb.no/sprakbanken/ P.O. Box 2674 Solli 0203 Oslo Oslo Norway organization Contact Nasjonalbiblioteket National Library of Norway NB NLN Språkbanken The Language Bank sprakbanken@nb.no https://www.nb.no/sprakbanken/ P.O. Box 2674 Solli 0203 Oslo Oslo Norway 2023-08-18 Norwegian Bokmål English nb en 2023-08-18 organization Metadata creator Nasjonalbiblioteket National Library of Norway NB NLN Språkbanken The Language Bank sprakbanken@nb.no https://www.nb.no/sprakbanken/ P.O. Box 2674 Solli 0203 Oslo Oslo Norway 1.0 2023-08-18 true content manual full organization Resource Validator Nasjonalbiblioteket National Library of Norway NB NLN Språkbanken The Language Bank sprakbanken@nb.no https://www.nb.no/sprakbanken/ P.O. Box 2674 Solli 0203 Oslo Oslo Norway 2022-07-01 2023-08-18 organization Resource Creator Nasjonalbiblioteket National Library of Norway NB NLN Språkbanken The Language Bank sprakbanken@nb.no https://www.nb.no/sprakbanken/ P.O. Box 2674 Solli 0203 Oslo Oslo Norway Multimodal Corpus audio 12080 files 24 hours 3 gb 24 hours freeSpeech audio/wav text application/json UTF-8 monolingual no Norwegian 12080 files 24 hours dialect Norwegian dialects spokenLanguage speechAnnotation-orthographicTranscription word mixed Automatic annotation followed by manual correction and proofreading by two linguists. 2022-07-01 2023-08-18