ELRA - S0219 : Corpus oral d’actualités radiophoniques NEMLAR

Accueil Catalogue

Ressources Linguistiques

Rapports d'incidents

Envoyez-nous vos rapports d'incidents.

Consulter le catalogue

Langue(s)

Informations

Procédure & Conditions d'achat

Prix et licences d'utilisation

Comment promouvoir vos ressources ?

Contactez-nous

Référence Catalogue : S0219

Corpus oral d’actualités radiophoniques NEMLAR

Ce corpus a été produit dans le cadre du projet NEMLAR (http://www.nemlar.org). Deux autres ressources, produites dans le cadre du même projet, sont également disponibles : le corpus écrit NEMLAR (ELRA-W0042) et le corpus de synthèse de parole NEMLAR (ELRA-S0220).

Le corpus oral d’actualités radiophoniques NEMLAR est composé d’environ 40 heures d’émissions radiophoniques en arabe standard. Les émissions ont été enregistrées depuis quatre stations de radio différentes : Medi1, Radio Orient, RMC – Radio Monte Carlo, RTM – Radio Télévision Maroc.

Chaque transmission contient entre 25 et 30 minutes d’actualités et d’interviews. Les enregistrements ont été effectués à trois périodes différentes entre le 30 juin 2002 et le 18 juillet 2005. Tous les fichiers ont été enregistrés au format linéaire PCM, 16 kHz, 16 bit.

Le logiciel utilisé pour la transcription est Transcriber avec un patch complémentaire pour l’arabe. Ainsi, les transcriptions ont été réalisées en caractères arabes et le logiciel a généré automatiquement les translittérations. Les niveaux d’annotation suivants sont inclus :
• Transcription orthographique de la parole (pour les actualités, mais pas pour la musique, les publicités, etc.), en incluant les entités nommées
• Locuteurs et tours de locuteurs
• Les marqueurs de segment (en portions de 10 secondes au maximum)
• Limites des thèmes/histoires
• Bruits de fond (événements de petites fournitures et bruits instantanés)
• Changements de fond
• Musique/bruit
• Limites des mots

Un lexique de 62 000 mots avec translittérations, fréquence et SAMPA arabe est également inclus.

La base de données est distribuée sur 1 DVD-ROM ISO 9660. Elle a été validée par un partenaire externe et un rapport de validation est fourni.

Production

Projet : NEMLAR (Network for Euro-Mediterranean LAnguage Resources)

Informations techniques

Support de distribution : DVD

Contenus

Cliquer sur la flèche afin d'afficher les informations des contenus.

speech corpus
Langue(s) : arabe
Duration : 40 hours
Quantisation : 16-bit
signal Encoding : Linear PCM
Source Channel : Radio
Speech Acquisition Interface : Radio
Recording Period : Three different periods between 30 June 2002 and 18 July 2005
Transcription Entries : Orthographic#Translitteration
Transcritpion Segmentation : Speaker turn
Annotation Level : Orthographic

Fichiers complémentaires

Rapport de validation

Prix Membres

Academic - Commercial 2000.00 EUR

Academic - Research 150.00 EUR

Commercial - Commercial 2000.00 EUR

Commercial - Research 500.00 EUR

Prix Non Membres

Academic - Commercial 4000.00 EUR

Academic - Research 300.00 EUR

Commercial - Commercial 4000.00 EUR

Commercial - Research 1000.00 EUR

Prix Spéciaux

Réductions offertes pour l'achat de plusieurs ressources NEMLAR (W0042, S0219 et S0220):
• 15% de réduction sur l'achat de 2 ressources,
• 30% de réduction sur l'achat de 3 ressources.