SPIDRE数据集介绍，官网编号LDC94S15

SPIDRE（Speaker Identification and Retrieval）是 LDC 发布的电话语音说话人识别基准数据集，编号 LDC94S15，1994 年发布，源自 Switchboard‑I 子集，专为研究话机差异下的说话人识别 / 验证设计，含 45 名目标说话人、380 个单边通话段，是早期电话信道说话人研究的核心基准。以下从核心信息、数据与标注、设计特点、应用与获取等方面展开。

---

一、核心基础信息

项目	详情
全称	Speaker Identification and Retrieval (SPIDRE) Corpus
发布机构	美国 LDC，1994 年发布，编号 LDC94S15，2 张 CD-ROM（约 1.2GB）
数据来源	Switchboard‑I 电话对话语料库子集，含 5 分钟固定时长的座机通话，覆盖多种话机类型
核心规模	45 名目标说话人，每人 4 段对话（2 段同话机 + 2 段不同话机）；含 380 个单边通话段（目标 180 段 + 非目标 200 段），每段约 5 分钟
语音特性	电话信道（混合话机），单声道，SPHERE 格式，适配文本无关说话人识别场景
获取方式	LDC 授权获取，按 LDC 使用协议分发

---

二、数据内容与标注体系

1. 核心数据结构
   • 目标说话人：45 人，每人含 4 段对话 ——2 段来自同一话机、2 段来自另外 2 种不同话机，每段与不同非目标配对。
   • 非目标说话人：含 180 段目标配对非目标 + 100 通额外通话的 200 段非目标，覆盖多样说话人分布。
   • 音频：固定 5 分钟 / 段，电话信道采集，含话机类型元数据，适配信道鲁棒性研究。
2. 关键标注
   • 边界与说话人标注：精确标注单边语音边界、说话人 ID，区分同时说话段，支持自动定位目标语音。
   • 话机元数据：标注每段对应的话机类型，用于研究话机差异对识别性能的影响。
   • 转录与对齐：含对话文本转录与语音‑文本强制对齐文件，便于语音片段定位与特征提取。

NLP语料共享、LDC语料https://mp.weixin.qq.com/s/8GgZFh9XAr7FYwivQ_ajRg