Home
13
SALA Spanish Colombian Database 
View resource name in all available languages
Base de données SALA de l'espagnol colombien
ID:
ELRA-S0084
The SALA Spanish Colombian database contains the recordings of 1,000 Colombian speakers (475 males, 525 females) recorded over the Colombian fixed telephone network. Six speakers repeated the same prompt sheet in different calls. This database is partitioned into 4 CDs, which comprise 300 speakers sessions each (except for CD 4, with 100 speakers sessions).
Speech samples are stored as sequences of 8-bit, 8kHz A-law and are not compressed, according to the specifications of SALA. Each prompt utterance is stored within a separate file and has an accompanying ASCII SAM label file.
This speech database was validated by SPEX (the Netherlands) to assess its compliance with the SALA format and content specifications.
Each speaker uttered the following items:
* 6 application words
* 1 sequence of 10 isolated digits
* 4 connected digits (1 sheet number -6 digits, 1 telephone number -9/11 digits, 1 credit card number –14/16 digits, 1 PIN code -6 digits)
* 3 dates (1 spontaneous date e.g. birthday, 1 word style prompted date, 1 relative and general date expression)
* 1 spotting phrase using an embedded application word
* 1 isolated digit
* 3 spelled words (1 surname, 1 directory assistance city name, 1 real/artificial name for coverage)
* 1 currency money amount
* 1 natural number
* 5 directory assistance names (1 surname out of a set of 500, 1 city of birth/growing up, 1 most frequent city out of a set of 500, 1 most frequent company/agency out of a set of 500, 1 "forename surname" out of a set of 150
* 2 yes/no questions (1 predominantly "yes" question, 1 predominantly "no" question),
* 9 phonetically rich sentences,
* 2 time phrases (1 spontaneous time of day, 1 word style time phrase),
* 4 phonetically rich words.
The following age distribution has been obtained: 11 speakers are under 16, 486 speakers are between 16 and 30, 305 speakers are between 31 and 45, 163 speakers are between 46 and 60, and 35 speakers are over 60.
A pronunciation lexicon with a phonemic transcription in SAMPA is also included.
View resource description in all available languages
La base de données SALA de l'espagnol colombien contient 1000 locuteurs colombiens (475 hommes, 525 femmes) enregistrés à travers le réseau téléphonique fixe colombien. Six locuteurs ont répété le même énoncé lors de différents appels. Cette base est répartie sur 4 CD-ROM, chacun comprenant 300 sessions (sauf pour le CD-ROM 4, qui comprend 100 sessions). Les bases de données ont été réalisées selon les spécifications du projet SALA et validées par SPEX, Pays-Bas.
Les fichiers de parole sont stockés en séquences d'échantillons de 8 bit, 8 kHz, loi-A. Chaque énoncé est stocké dans un fichier séparé et est accompagné d'un fichier d'étiquetage ASCII SAM.
Contenu du corpus :
* 6 mots de commande ;
* 1 séquence de 10 chiffres isolés ;
* 4 chiffres connectés : 1 numéro permettant d'identifier la feuille de prompt (6 chiffres), 1 numéro de téléphone (9-11 chiffres), 1 numéro de carte de crédit (14-16 chiffres), 1 code confidentiel (6 chiffres) ;
* 3 dates : 1 date spontanée (ex. anniversaire), 1 date lue, 1 date générale ;
* 1 expression utilisant un mot de commande ;
* 1 chiffre isolé ;·
* 3 mots épelés (séquences de lettres) : 1 prénom, 1 nom de ville provenant d'un annuaire de renseignements téléphoniques, 1 mot réel/artificiel pour couverture ;
* 1 montant en devises ;
* 1 nombre entier naturel ;
* 5 noms provenant d'un annuaire de renseignements téléphoniques : 1 prénom (sur 500), 1 ville de naissance/d'origine du locuteur (spontané), 1 nom de ville parmi les plus fréquentes (sur 500), 1 nom de compagnie parmi les plus fréquentes (sur 500), 1 répétition de "prénom nom" ;
* 2 questions incluant des oui/non "vagues" : 1 question à prédominance "oui", 1 question à prédominance "non" ;
* 9 phrases phonétiquement riches ;
* 2 phrases comportant une notion de temps : 1 jour (spontané), 1 phrase comportant une notion de temps ;
* 4 mots phonétiquement riches.
Les classes d'âge sont réparties comme suit : 11 locuteurs de moins de 16 ans, 486 locuteurs entre 16 et 30 ans, 305 locuteurs entre 31 et 45 ans, 163 locuteurs entre 46 et 60 ans et 35 locuteurs de plus de 60 ans.
Un lexique de prononciation avec sa transcription phonétique en SAMPA est également fourni.
People who looked at this resource also viewed the following:
