▋前言

在 Day 16–17 我們談到資料探勘的步驟與 Mozilla Common Voice 的語料特性。今天開始，我們將切換到另一個更貼近「雙人自然對話」的資料集——Switchboard。

▋內容

Switchboard (SWBD) 是一個在 1990 年代由美國 Linguistic Data Consortium (LDC) 建立的電話對話語料庫。它的特點如下：

1. 對話規模：2,400 小時的雙人對話，涵蓋 70+ 主題（旅遊、運動、教育、政治…）。

2. 錄音品質：8kHz 電話音質（模擬真實通話場景）。

3. 逐字稿：包含 disfluency（例如 "uh", "you know"）、填充詞與修正標註。

4. 說話者多樣性：超過 500 名美國各地的志願者，口音與語速差異豐富。

適合應用場景：

1. 測試 語音辨識 (ASR) 在自然語音下的表現。

2. 驗證 語者分離 (Speaker Diarization) 與 語者辨識 的穩健性。

3. 研究 情緒與語氣分析，特別是在日常對話中的情境。

限制：

1. 授權限制：需透過 LDC 取得，非完全免費。

2. 音質限制：僅有 8kHz，與現代線上課程錄音（16kHz 或 44.1kHz）不同。

▋下回預告

下一篇將實際對 Switchboard 做資料探勘，看看裡面的「對話特徵」對系統設計有什麼啟發。

▋參考資料

Switchboard