TeflonNorL2 NOCASA Challenge Dataset
- Datasett
- Allmenn tilgang
Tilgjengeleg for alle. Tilgang kan likevel krevje registrering og førespurnad om API-nøklar, så lenge kven som helst kan be om slik registrering og/eller API-nøklar.
Skildring
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.
Distribusjonar1
Namnlaus distribusjon- application/x-tgz , application/x-gzip
- application/x-tgz , application/x-gzip
- Skildring:
- Ikkje oppgitt
- Tilgjengeleg URL:
- https://hdl.handle.net/21.11146/94
- Status:
- Ikkje oppgitt
- Direkte nedlasting:
- API:
- Ikkje oppgitt
- Dokumentasjon:
- Ikkje oppgitt
- Lisens:
- Ikkje oppgitt
- I samsvar med:
- Ikkje oppgitt
- Rettigheter for bruk:
- Ikkje oppgitt
API-ar som tilbyr dette datasettet0
Liknande datasett
| NB Samtale | Allmenn tilgang | |
| Omsetjingsminne frå Nynorsk pressekontor 2022 | Allmenn tilgang | |
| bokselskap.no 2023 | Allmenn tilgang | |
| Målfrid 2021 - Fritt tilgjengelege tekster frå norske statlege nettsider | Allmenn tilgang | |
| Stortingskorpuset 2.0 | Allmenn tilgang |
Distribusjonar1
Namnlaus distribusjon- application/x-tgz , application/x-gzip
- application/x-tgz , application/x-gzip
- Skildring:
- Ikkje oppgitt
- Tilgjengeleg URL:
- https://hdl.handle.net/21.11146/94
- Status:
- Ikkje oppgitt
- Direkte nedlasting:
- API:
- Ikkje oppgitt
- Dokumentasjon:
- Ikkje oppgitt
- Lisens:
- Ikkje oppgitt
- I samsvar med:
- Ikkje oppgitt
- Rettigheter for bruk:
- Ikkje oppgitt
API-ar som tilbyr dette datasettet0
Kontaktinformasjon
- Kontaktpunkt:
- Ikkje oppgitt
- Nettside:
- https://www.ntnu.edu/employees/giampiero.salvi
- E-post:
- giampiero.salvi@ntnu.no
- Telefon:
- Ikkje oppgitt
Om dataane
- Språk:
- Ikkje oppgitt
- Innhaldsleverandørar:
- Ikkje oppgitt
- Opphav:
- Ikkje oppgitt
- Oppdateringsfrekvens:
- Ikkje oppgitt
- Først utgjeve:
Denne datoen seier når dataa i dette datasettet først blei utgitt. Det kan ha skjedd før datasettet blei publisert på data.norge.no.
- Ikkje oppgitt
- Sist oppdatert:
- 23. mars 2024
- Geografisk område:
- Ikkje oppgitt
- Tidsrom:
- Ikkje oppgitt
- I samsvar med:
Referanse til ei implementeringsregel eller anna spesifikasjon som ligg til grunn for datasettet.
- Ikkje oppgitt
- Kvalitetsmerknader:
- Ikkje oppgitt
Gjeldande lovgiving
Omgrep brukte i datasettet
Referansar
Gebyr
Om datasettet
- Utgjevar:
- Nasjonalbiblioteket
- Publisert:
Denne datoen viser når datasettet vart henta inn av data.norge.no. Det kan ha vore tilgjengeleg tidlegare andre stader.
- 21. juni 2024
- Sist oppdatert:
- 13. mars 2026
- Landingsside:
- Ikkje oppgitt
- Dokumentasjon:
- Ikkje oppgitt
- Datasettype:
- Ikkje oppgitt
- Metadatakvalitet:
Metadatakvalitet er ein indikator på kor godt datasettene er beskrive ved hjelp av metadata.
- God (53%)
- URI:
Tema
Nøkkelord
Diskusjonar på Datalandsbyen0
Kva er Datalandsbyen?
Datalandsbyen er vårt nettforum der du kan be om data, dele erfaringar og spørje om råd som gjeld deling av data og informasjonsforvalting.
Resource Description Framework (RDF)Alle URL-ar til ressursar på data.norge.no kan levere RDF-metadata i fleire ulike format, avhengig av kva for ein Accept-header som blir sendt med.
Alle URL-ar til ressursar på data.norge.no kan levere RDF-metadata i fleire ulike format, avhengig av kva for ein Accept-header som blir sendt med.