TeflonNorL2 NOCASA Challenge Dataset
- Datasett
- Allmenn tilgang
Offentlig tilgjengelig for alle. Tilgang kan likevel kreve registrering og forespørsel om API-nøkler, så lenge hvem som helst kan be om slik registrering og/eller API-nøkler.
Beskrivelse
This is a specialized version of the data set that has been used for the Non-native Children’s Automatic Speech Assessment Challenge (NOCASA), https://teflon.aalto.fi/nocasa-2025/, hosted by the IEEE International Workshop on Machine Learning for Signal Processing (MLSP) 2025, https://2025.ieeemlsp.org/en/
The full dataset is described here:
Anne Marte Haug Olstad, Anna Smolander, Sofia Strömbergsson, Sari Ylinen, Minna Lehtonen, Mikko Kurimo, Yaroslav Getman, Tamás Grósz, Xinwei Cao, Torbjørn Svendsen, and Giampiero Salvi. 2024. Collecting Linguistic Resources for Assessing Children’s Pronunciation of Nordic Languages. In Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024), pages 3529–3537, Torino, Italia. ELRA and ICCL.
The specialized version of the data and the challenge are described here:
Getman, Y., Grósz, T., Kurimo, M., & Salvi, G. (2025). "Non-native Children's Automatic Speech Assessment Challenge (NOCASA)". IEEE International Workshop on Machine Learning for Signal Processing (MLSP), Istanbul, Turkey
Compared to the full dataset a number of modifications have been made to the challenge data:
- some recordings were excluded
- the data was split into training and test set following a procedure that should keep a similar distribution of speaker characteristics
- the file names were anonymized to hide the speaker identities (it should not be possible to infer which recordings correspond to the same speaker)
- metadata was limited to orthographic transcription and assessment score for the training data and only orthographic transcription for the test data
Here, we also release assessment scores for the test data separately.
Files:
- train_audio.tgz: audio files for the training set
- test_audio.tgz: audio files for the test set
- train.csv.gz: metadata for the training data (orthographic transcriptions and assessment scores)
- test.csv.gz: metadata for the test data (orthographic transcriptions)
- test_full.csv.gz: metadata for the test data (orthographic transcriptions and assessment scores)
Scroll down to download the files.
Contact professor Giampiero Salvi (giampiero.salvi@ntnu.no) at NTNU if you have any questions about the dataset.
Distribusjoner1
Navnløs distribusjon- application/x-tgz , application/x-gzip
- application/x-tgz , application/x-gzip
- Beskrivelse:
- Ikke oppgitt
- TilgangsURL:
- https://hdl.handle.net/21.11146/94
- Status:
- Ikke oppgitt
- Direkte nedlastning:
- API:
- Ikke oppgitt
- Dokumentasjon:
- Ikke oppgitt
- Lisens:
- Ikke oppgitt
- I samsvar med:
- Ikke oppgitt
- Rettigheter for bruk:
- Ikke oppgitt
API-er som tilgjengeliggjør dette datasettet0
Lignende datasett
| Stortingskorpuset 2.0 | Allmenn tilgang | |
| NB Samtale | Allmenn tilgang | |
| Omsetjingsminne frå Nynorsk pressekontor 2022 | Allmenn tilgang | |
| Norsk koreferansekorpus | Allmenn tilgang | |
| bokselskap.no 2023 | Allmenn tilgang |
Distribusjoner1
Navnløs distribusjon- application/x-tgz , application/x-gzip
- application/x-tgz , application/x-gzip
- Beskrivelse:
- Ikke oppgitt
- TilgangsURL:
- https://hdl.handle.net/21.11146/94
- Status:
- Ikke oppgitt
- Direkte nedlastning:
- API:
- Ikke oppgitt
- Dokumentasjon:
- Ikke oppgitt
- Lisens:
- Ikke oppgitt
- I samsvar med:
- Ikke oppgitt
- Rettigheter for bruk:
- Ikke oppgitt
API-er som tilgjengeliggjør dette datasettet0
Kontaktinformasjon
- Kontaktpunkt:
- Ikke oppgitt
- Nettside:
- https://www.ntnu.edu/employees/giampiero.salvi
- E-post:
- giampiero.salvi@ntnu.no
- Telefon:
- Ikke oppgitt
Om dataene
- Språk:
- Ikke oppgitt
- Innholdsleverandører:
- Ikke oppgitt
- Opphav:
- Ikke oppgitt
- Oppdateringsfrekvens:
- Ikke oppgitt
- Først utgitt:
Denne datoen sier når dataene i dette datasettet første gang ble utgitt. Det kan ha skjedd før datasettet ble publisert på data.norge.no.
- Ikke oppgitt
- Sist oppdatert:
- 23. mars 2024
- Geografisk avgrensning:
- Ikke oppgitt
- Tidsmessig avgrensning:
- Ikke oppgitt
- I samsvar med:
Referanse til en implementasjonsregel eller annen spesifikasjon, som ligger til grunn for opprettelsen av datasettet.
- Ikke oppgitt
- Kvalitetsmerknader:
- Ikke oppgitt
Gjeldende lovgiving
Begreper brukt i datasett
Referanser
Gebyr
Om datasettet
- Utgiver:
- Nasjonalbiblioteket
- Publisert:
Denne datoen sier når datasettet ble høstet av data.norge.no. Det kan ha vært tilgjengelig tidligere andre steder.
- 21. juni 2024
- Sist oppdatert:
- 13. mars 2026
- Landingsside:
- Ikke oppgitt
- Dokumentasjon:
- Ikke oppgitt
- Datasettype:
- Ikke oppgitt
- Metadatakvalitet:
Metadatakvalitet er en indikator på hvor godt datasettene er beskrevet ved hjelp avmetadata.
- God (53%)
- URI:
Tema
Nøkkelord
Diskusjoner på Datalandsbyen0
Hva er Datalandsbyen?
Datalandsbyen er vårt nettforum hvor du kan etterspørre data, dele erfaringer og spørre om råd som gjelder datadeling og informasjonsforvaltning.
Resource Description Framework (RDF)Alle URL-er til ressurser på data.norge.no kan levere RDF-metadata i flere ulike formater, avhengig av hvilken Accept header man sender med.
Alle URL-er til ressurser på data.norge.no kan levere RDF-metadata i flere ulike formater, avhengig av hvilken Accept header man sender med.