DKU-JNU-EMA 电磁关节造影数据
==========================

本数据库是一个包含了中文普通话以及三种方言（客家话，潮汕话，广东话）的电磁关节造影数据集。一共有3330条朗读数据。对于每种语言，都会有2到7位说话人。

我们用NDI电磁关节造影术语音研究系统（https://www.ndigital.com/msci/products/wave-speech-research）来采集实时的声道器官轨迹。同时，数据采集人会佩戴一个头戴式麦克风来录制同步的音频，数据采集声卡为MOTU MicroBook IIC。EMA轨迹数据采集频率为100Hz，音频的采样率为22kHz，最后降采样到16kHz。数据采集人会放置6个感应器在嘴里（分别是上唇，下唇，齿龈，舌尖，舌中，舌根），还有一个参照点放在鼻梁

DKU-JNU-EMA数据集是在中国暨南大学采集的，为了提供中文的电磁关节造影数据，可用于更广泛的研究领域，比如语音识别，声音-声道轨迹转换，发声模拟，方言识别等等。

数据构成
-------

数据集一共有4种类型的朗读数据，每种语音包含其中的2-3种：
    句子类型：数据采集者朗读句子或者短文
    辅音类型：数据采集者朗读带相关辅音的词
    元音类型：数据采集者朗读带相关元音的词
    声调类型：数据采集者朗读每个词的不同声调

每一种语言都有对照的音节表，还有音素平衡的句子和短文。每种语言的docs文件夹都包含PDF格式的音节表。数据集还包含了说话人的上颚形状参数。


文件类型
-------

文件目录结构：

root（根目录）
├── data（数据）
│   └── language（语系）
│       ├── docs（文档）
│       └── speaker（说话人）
│           └── section（录音类型）
│               ├── utterance.flac
│               ├── utterance.tsv
│               └── utterance.wco
└── docs（文档）

录音是按照文档（音节表，短文，句子）里的内容顺序录制的，录音文件名会带有顺序数字索引，这样就可以和文档里的文本内容匹配起来。

utterance.flac：单通道，采样率为16000Hz，位数为16bit

utterance.tsv：每个传感器的数据（旋转度，斜度，偏角，X-Y-Z三维坐标点）

更多详细的数据采集信息，请参照“The DKU-JNU-EMA Electromagnetic Articulography Database on Mandarin and Chinese Dialects with Tandem Feature based Acoustic-to-Articulatory Inversion”