West Point Heroico Spanish Speech 是由美国西点军校（USMA）外语系与技术强化语言学习中心（CTELL）联合墨西哥军事学院（Heroico Colegio Militar）构建、LDC 于 2006 年发布的西班牙语语音数据集（编号 LDC2006S37），核心用于西班牙语语音识别（ASR）、发音建模与语言学习应用开发，包含母语者与非母语者的朗读及提示语音与文本标注，适配军用与教育领域的语音技术研发。

核心基础信息

数据采集与规模

1. 采集场景：分两地采集，墨西哥军事学院（Heroico）与西点军校（USMA），桌面麦克风录制，环境可控，音频质量稳定。
2. 数据规模
   • 总语音 utterances 约 19,000 条，有效语音时长约 16.5 小时。
   • Heroico 子语料：约 11.8 小时，来自墨西哥军事学院学员，含朗读与提示语音。
   • USMA 子语料：约 2.2 小时，含 1.2 小时非母语者（美国陆军语言学家）与 1 小时母语者（西班牙母语者）朗读语音，均为脚本朗读内容。
   • 对齐子集：Heroico 子语料中 1 小时数据与 USMA 子语料使用相同提示脚本，适配跨场景对比实验。
3. 说话人分布：共 120 名说话人，覆盖多性别、多年龄段，含墨西哥西班牙语口音与非母语口音，兼顾语言内与语言间多样性。

技术特点与优势

1. 双场景数据：两地采集，含墨西哥西班牙语口音与非母语口音，适配多场景语音技术研发。
2. 脚本对齐设计：部分数据共享提示脚本，跨子语料对比实验结果更可靠。
3. 发音建模适配：标注适配发音评估，助力语言学习应用开发。
4. 标注质量可靠：遵循 LDC 标准标注流程，多轮校对，转录准确率高。