2. Hasonló, magyar nyelvű beszélt nyelvi adatbázisok

A jegyzet hozzáadásához kérjük, lépj be!

Hivatkozások
Válaszd ki a számodra megfelelő formátumot:
Harvard:
Chicago:
APA:
Az elmúlt évtizedekben jelentősen megnőtt a magyar nyelvű beszédadatbázisok száma. Ugyanakkor ezen adatbázisok egy része – eredeti céljának megfelelően – csak rögzített, felolvasott kifejezéseket és mondatokat tartalmazott, mint például az első, nemzetközi szabványok alapján készült, magyar nyelvi anyagot is tartalmazó BABEL (Vicsi–Vig 1998), illetve a telefonon keresztül felvett, nagymennyiségű hanganyagot magában foglaló SpeechDat-E és MTBA (Pollák et al. 2000; Vicsi et al. 2002).

A jegyzet hozzáadásához kérjük, lépj be!

Hivatkozások
Válaszd ki a számodra megfelelő formátumot:
Harvard:
Chicago:
APA:
A felolvasott szövegekre épülők mellett több olyan magyar nyelvű adatbázis is készült, amelyek részben vagy egészben spontán beszédet is tartalmaztak. A BUSZI magnetofonra felvett, spontán társalgásokat tartalmazó beszédadatbázis; létrehozásának elsődleges céljai szociolingvisztikai vizsgálatok voltak (Váradi 2003). A BUSZI-hoz hasonlóan több, konkrét nyelvészeti területhez kapcsolódó céllal létrejött spontán beszédadatbázist is megalkottak az elmúlt időszakban. Ilyen például az inferencialitás vizsgálata céljából diktafonnal rögzített Kivi-korpusz (Kugler 2015), a szintén diktafonnal rögzített, egyetemisták társalgásaiból létrehozott Budapesti Egyetemi Kollégiumi Korpusz (Bodó et al. 2017), a pragmatikai szempontú elemzéseket célzó, iskolákban okosórákkal felvett StaffTalk (Szabó et al. 2021). Ezen beszédadatbázisok elsődleges célja valamely konkrét nyelvészeti terület kérdéseinek megválaszolása volt, létrehozóik kevésbé befolyásolhatták a felvételi körülményeket, a hanganyagok akusztikai tulajdonságai miatt éppen ezért korlátozottan tekinthetők alkalmasnak a beszédtechnológiai felhasználásra.

A jegyzet hozzáadásához kérjük, lépj be!

Hivatkozások
Válaszd ki a számodra megfelelő formátumot:
Harvard:
Chicago:
APA:
Kevés olyan spontán beszédet tartalmazó, annotált magyar nyelvű adatbázis létezik, amelyek kifejezetten beszédtechnológiai kutatások és fejlesztések támogatására alkalmasak lehetnek. Az egyik ilyen adatbázis egy speciális kommunikációs csatornára, a telefonra fókuszáló MTÜBA, amely ügyfelek és diszpécserek spontán beszédét tartalmazza szöveglejegyzéssel és frázisszintű automatikus annotálással (Vicsi–Sztahó 2009). A Speecon a 2000-es évek elején rögzített, spontán beszédet és felolvasásokat is tartalmazó adatbázis, amelyet kifejezetten beszédtechnológiai alkalmazás céljából hoztak létre (Siemund et al. 2000), elérhetősége a kutatói közösség számára azonban korlátozott. Kutatási célokra ingyenesen hozzáférhető a HuComTech (Hunyadi et al. 2012), amely felolvasás mellett egy formális, szimulált állásinterjút és egy informális beszélgetést is tartalmaz beszélőnként. A 112 beszélő által létrehozott összesen 50 órányi hanganyag frázisszinten lejegyzett formában is rendelkezésre áll, és annotált videofelvételek is társulnak hozzá.
 
Menü