BRAMSHILL数据集介绍，官网编号LDC94S20

BRAMSHILL（LDC94S20）是由美国语言数据联盟（LDC）发布、面向法庭语音识别与说话人验证的经典英语电话语音数据集，1994 年公开，核心用于开发鲁棒的电话信道说话人识别算法，适配司法与安全场景的语音证据核验需求。以下是其核心信息与关键细节：

---

一、基础信息

项目	详情
发布机构	美国语言数据联盟（LDC），编号 LDC94S20
采集背景	英国 BRAMSHILL 警察学院主导，用于执法场景电话语音取证技术研发
采集方式	公共电话线路，采样率 8kHz、16 位单声道，符合电话语音标准
规模	约 220 名说话人，每人录制多通电话，含会话语音、朗读语音、数字串与字母串发音；总时长约 100 小时，覆盖不同信道噪声与设备差异
发布时间	1994 年，为早期法庭语音识别与说话人验证领域的核心基准数据集之一

---

二、数据结构与标注

1. 核心数据类型
   • 会话语音：自然对话片段，含不同语速、情绪与口音的口语交互，适配真实场景说话人识别。
   • 朗读语音：脚本化数字串、字母串、短语朗读，用于信道鲁棒性与特征提取算法测试。
   • 辅助数据：含信道噪声样本、说话人元数据（性别、口音等），支持多变量干扰分析。
2. 标注体系
   • 文本标注：单词级正字法转录，标注内容含会话文本、朗读内容、数字 / 字母序列等。
   • 语音标注：含时间对齐的音素级标注与说话人标签，支持说话人分割、特征对齐与建模。
   • 元数据：记录说话人 ID、性别、电话设备类型、线路噪声等级等，辅助模型泛化性研究。
3. 数据集划分官方提供训练集、开发集、测试集，按说话人独立划分，避免数据泄露，适配模型训练、调优与无偏评估全流程。

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