MIST Multi-lingual Interoperability in Speech Technology database

View resource name in all available languages

Base de données MIST (Multi-lingual Interoperability in Speech Technology)

ID:

ELRA-S0238

In 1996, some 75 Dutch people participated in recording a multi-purpose continuous speech database. Most of them were recruited from the TNO Human Factors Research Institute, where the recordings were made. The main part of the database consisted of Dutch sentences. However, most speakers participated in recording 10 sentences in English, French and German. This data was initially distributed as a common data set for research leading to presentations and discussions at the ESCA/NATO MIST workshop held in Leusen, The Netherlands, in 1999.

The non-nativeness in any particular language, for instance English, is of course very biased towards Dutch, and therefore this database can be considered only as a start for studying non-native speech. However, with experiences with this database, researchers in other countries may record similar data, so that also other foreign accents can be studied, and compared to this database.

Recording conditions:
- Sennheiser HMD-414-6 close talking microphone
- B&K MD-211-N far-field microphone
- anechoic silent recording room
- sentences read from computer screen
- Ariel Pro-Port digital recording equipment
- 16 kHz sampling rate, 16 bit resolution

Speech material
- 10 sentences in Dutch, English, French and German, including 5 sentences per language which are identical for all speakers and 5 sentences per language which are unique for each speaker
- Sentence text from newspapers: Dutch: NRC/Handelsblad; English: Wall Street Journal; French: Le Monde; German: Frankfurter Rundschau
The text of the English, French and German sentences were obtained from other databases recorded/used in the European project ‘SQALE’.

Annotation:
- Dutch sentences are orthographically annotated
- For English, French and German sentences the prompt texts are available
- Only the Dutch unique sentences have been listened to, and annotated accordingly. The English, French and German sentences have been generated from the prompt texts, i.e., only the punctuation characters have been removed. For French and English, the first word has been de-capitalized according to some simple algorithm.
- The spoken text is annotated in a format of one line per speech utterance, with the utterance identification in parenthesis at the end.

Speakers:
- 74 speakers, including 52 males and 22 females
- All speakers are native Dutch. Not all of them were able to produce speech in German, English and French.

View resource description in all available languages

En 1996, 75 locuteurs hollandais ont participé à l’enregistrement d’une base de données de parole continue multi-objectifs. La plupart d’entre eux ont été recrutés par L’institut de recherche sur les facteurs humains de TNO, où les enregistrements ont été réalisés. La plus grande partie de la base de données consistait en des phrases en hollandais. Cependant, la plupart des locuteurs ont également participé à l’enregistrement de 10 phrases en anglais, en français et en allemand. Ces données ont d’abord été distribuées sous la forme d’un ensemble de données communes pour la recherche qui a conduit à des présentations et des discussions lors de l’atelier ESCA/NATO MIST, de Leusen, aux Pays-Bas, en 1999.

Le fait d’être locuteur non natif d’une langue, par exemple l’anglais, est bien sûr très biaisé vis-à-vis du hollandais, et cette base de données peut donc ainsi être considérée uniquement comme une base initiale pour l’étude de la parole non native. Cependant, grâce aux expériences réalisées avec cette base, les chercheurs d’autres pays peuvent enregistrer des données similaires, afin que d’autres accents étrangers puissent être étudiés et être comparés à cette base.

Conditions d’enregistrements :
- Micro-casque Sennheiser HMD-414-6
- Microphone placé à distance (“far-field”) B&K MD-211-N
- enregistrement en chambre sourde
- phrases lues sur écran d’ordinateur
- équipement d’enregistrement numérique Ariel Pro-Port
- taux d’échantillonnage de 16 kHz, résolution de 16 bit

Matériel de parole :
- 10 phrases en hollandais, anglais, français et allemand, dont 5 phrases identiques par langue pour tous les locuteurs et 5 phrases distinctes par langue et par locuteur
- Phrases extraites de journaux: NRC/Handelsblad pour le hollandais, Wall Street Journal pour l’anglais, Le Monde pour le français, Frankfurter Rundschau pour l’allemand
Le texte des phrases en anglais, français et allemand a été obtenu à partir d’autres bases de données enregistrées/utilisées dans le projet européen « SQALE ».

Annotation :
- Les phrases en hollandais sont annotées au niveau orthographique
- Pour les phrases en anglais, français et allemand, les textes énoncés sont disponibles
- Seules les phrases distinctes en hollandais ont été écoutées et annotées. Les phrases en anglais, français et allemand ont été générées à partir des textes énoncés, c’est-à-dire que seuls les caractères de ponctuation ont été supprimés. Pour le français et l’anglais, la majuscule du premier mot a été supprimée grâce à un algorithme simple.
- Le texte parlé est annoté au format suivant : une ligne par occurrence de parole, avec l’identification de l’occurrence entre parenthèses à la fin.

Locuteurs :
- 74 locuteurs, dont 52 hommes et 22 femmes
- Tous les locuteurs sont natifs du hollandais. Tous n’étaient pas capables de produire de la parole en allemand, anglais et français.

You don’t have the permission to edit this resource.
People who looked at this resource also viewed the following: