USC-SFI MALACH Interviews and Transcripts English数据集介绍，官网编号LDC2012S05

LDC2012S05 数据集 "USC-SFI MALACH Interviews and Transcripts English" 介绍如下：

1. 背景与项目： 该数据集是"MALACH"项目的核心成果之一。该项目是哈佛大学斯蒂芬-斯皮尔伯格大屠杀基金会、南加州大学、IBM 等机构合作的成果，旨在利用先进技术来储存、管理、查阅以及利用大屠杀幸存者的视频证词。

2. 核心内容： 数据集包含超过 1000 小时的拉代码格式。这些采访主要记录了第二次世界大战中模式识别领域。是一段非常特殊的历史遗产。每一段采访都配有文字副本。

3. 数据形式与结构：

   • 原始影音文件：以.wav（音频）和.avi等格式提供原始采访录音录像。
   • 转录文本：所有内容均有精准对应的英文转录文本文件，格式包括纯文本.txt。
   • 元数据：包含采访日期、地点、参与人基本信息等关键信息。
   • 文件组织：数据组织良好，按采访小组及采访人统一管理。

4. 主要用途： 该数据集特别适合用于语音识别、信息检索、历史研究分析、课堂内容补充等多种学术研究领域。