Corpus tchèque audio-visuel pour la reconnaissance en conditions difficiles

Cette base de données audio-visuelle a été constituée pour entraîner et tester les systèmes de reconnaissance audio-visuelle en langue tchèque et a été collectée en conditions d’éclairage difficile. Le corpus comprend environ 20 heures d’enregistrements audio-visuels de 50 locuteurs en conditions de laboratoire. On a demandé aux sujets enregistrés de rester en position statique. L’éclairage est varié et les sessions de chaque locuteur ont été enregistrées dans plusieurs conditions différentes, telles qu’en éclairage total ou seulement en éclairage de côté (gauche ou droite). Ces conditions rendent cette base de données utilisable pour l’entraînement de systèmes de détection des mouvements de lèvres ou de tête dans différentes conditions d’éclairage et indépendamment de la langue.

On a demandé aux locuteurs de lire 200 phrases chacun (50 en commun pour tous les locuteurs et 150 spécifiques à chaque locuteur). La durée moyenne totale d’enregistrement par locuteur est de 23 minutes.

Les données acoustiques ont été stockées en fichiers wave en utilisant le format PCM, une fréquence d’échantillonnage de 44kHz et une résolution de 16 bits. Un ensemble de données acoustiques pour chaque locuteur représente environ 180 Mo d’espace-disque (environ 8,8 Go en totalité).

Les données visuelles sont stockées en fichiers vidéo (format .avi) utilisant le codec vidéo numérique DV. Les données visuelles par locuteur prennent environ 3,7 Go de disque (environ 185 Go en totalité) et sont stockées sur un disque dur IDE au format NTFS.