2026-05-29T23:05:08.942Z
https://www.nb.no/sprakbanken/oai
Arne Martinus Lindstad
2023-11-16
https://www.nb.no/sprakbanken/oai?verb=GetRecord&identifier=oai:nb.no:sbr-91&metadataPrefix=cmdi
clarin.eu:cr1:p_1407745711925
Språkbanken NB
Resource
https://www.nb.no/sbfil/talegjenkjenning/ssc/ssc_v1_0.tar.gz
Resource
https://www.nb.no/sbfil/talegjenkjenning/ssc/ssc_v1_0_dataset_card.md
Resource
https://www.nb.no/sbfil/talegjenkjenning/ssc/SSC_1.pdf
describes
describes
corpus
Stortinget Speech Corpus version 1.0
Stortinget Speech Corpus versjon 1.0
The Stortinget Speech Corpus (SSC) is a 5000+ hours speech dataset for weak supervision ASR created from audio and aligned proceedings text from Stortinget, the Norwegian Parliament. It contains speech segments of up to 30 seconds with transcriptions in Norwegian Bokmål (nob) and Norwegian Nynorsk (nno) from the official proceedings.
The dataset is distributed as a JSONL file. Audio files, proceedings files and transcription files (with ASR output) are included in this repository, and there are relative file paths in the JSONL file. Note that only segmented audio files are part of the release.
Dataset statistics
- Number of segments: 724 783
- Total duration in hours: 5 190
- Number of unique speakers: 729
For more detailed information, see the documentation files.
Stortinget Speech Corpus (SSC) er eit taledatasett på meir enn 5000 timar for svakt overvaka taleattkjenning laga av lydopptak og tekst frå Stortingsforhandlingane. Det inneheld taleeiningar på inntil 30 sekund med transkripsjonar på bokmål og nynorsk frå dei offisielle Stortingsforhandlingane.
Datasettet vert distribuert som ei JSONL-fil. Lydfiler, tekstfiler og transkripsjonsfiler (med output frå taleattkjenninga) er inkluderte i datasettet, linka med relative filstiar i JSONL-fila. Merk at berre segmenterte lydfiler er del av korpuset.
Statistikk
- Antall segment: 724 783
- Total varigheit i timar: 5 190
- Antal unike talarar: 729
For meir detaljert informasjon, sjå dokumentasjonsfilene.
SSC
SSC
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-91/
hdl:21.11146/91
sbr-91
Public
downloadable
https://www.nb.no/sprakbanken/ressurskatalog/oai-nb-no-sbr-91/
Creative Commons (CC)
Creative_Commons-ZERO (CC-ZERO)
https://creativecommons.org/publicdomain/zero/1.0/
organization
Licensor
National Library of Norway
Nasjonalbiblioteket
NLN
NB
sprakbanken@nb.no
ai-lab@nb.no
https://www.nb.no/sprakbanken/
https://ai.nb.no
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
organization
Contact
National Library of Norway
Nasjonalbiblioteket
NLN
NB
The Language Bank
Språkbanken
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
2023-11-16
English
Norwegian Nynorsk
en
nn
2024-01-12
organization
Metadata Creator
National Library of Norway
Nasjonalbiblioteket
NLN
NB
The Language Bank
Språkbanken
sprakbanken@nb.no
https://www.nb.no/sprakbanken/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
1.0
2023-11-15
false
documentation
https://www.nb.no/sbfil/talegjenkjenning/ssc/SSC_1.pdf
2019-08-01
2023-11-15
organization
Resource Creator
National Library of Norway
Nasjonalbiblioteket
NLN
NB
The Language Bank / The AI-lab
Språkbanken / AI-laben
sprakbanken@nb.no
ai-lab@nb.no
https://www.nb.no/sprakbanken/
https://ai-lab.nb.no/
P.O. Box 2674 Solli
0203
Oslo
Oslo
Norway
organization
Resource Creator
Norwegian University of Science and Technology
Noregs teknisk-naturvitskaplege universitet
NTNU
NTNU
Department of Electronic Systems
Institutt for elektroniske system
Multimodal Corpus
audio
5190
hours
724783
units
5190
hours
audio/mpeg
16000
text
text/jsonl
UTF-8
monolingual
no
Norwegian
724783
units
5190
hours
62
gb
other
formal
spokenLanguage
formal speech, parliamentary speech
alignment