---
license: cc-by-sa-4.0
task_categories:
  - automatic-speech-recognition
  - voice-activity-detection
language:
  - fr
size_categories:
  - n<1K
pretty_name: SUMM-RE French — test split
tags:
  - summ-re
  - linagora
  - french
  - asr
  - speech
  - meetings
  - conversational
  - long-form
  - vad
annotations_creators:
  - expert-generated
source_datasets:
  - extended|summ-re
dataset_info:
  features:
    - name: meeting_id
      dtype: string
    - name: speaker_id
      dtype: string
    - name: audio_id
      dtype: string
    - name: audio
      dtype: audio
    - name: segments
      list:
        - name: end
          dtype: float64
        - name: start
          dtype: float64
        - name: transcript
          dtype: string
        - name: words
          list:
            - name: end
              dtype: float64
            - name: start
              dtype: float64
            - name: word
              dtype: string
    - name: transcript
      dtype: string
  splits:
    - name: test
      num_examples: 124
      num_bytes: 13775584735
configs:
  - config_name: default
    data_files:
      - split: test
        path: data/test-*.parquet
---

# SUMM-RE — French test split (mirror of `linagora/SUMM-RE`)

Mirror **public** du split **`test` de SUMM-RE** (LINAGORA / Aix-Marseille
LPL), pour benchmark **ASR français conversationnel** (parole de réunion,
3-4 locuteurs, ~20 min par session).

> ⚠ Ce repo ne contient **que le split test** (124 tracks individuelles =
> 37 réunions × 3-4 micros). Pour les splits `train` / `dev`, voir le repo
> upstream `linagora/SUMM-RE`.

## Contenu

- **124** pistes audio individuelles (1 piste = 1 microphone d'un locuteur
  pour une réunion entière de ~20 min)
- **37** réunions distinctes (chacune avec 3-4 micros)
- Audio : **WAV 16 kHz mono PCM_16** embarqué dans parquet (tel que upstream)
- Annotations : transcription manuelle + alignement forcé au mot
- Langue : **français (fr)**, parole conversationnelle / réunion
- Licence : **CC-BY-SA-4.0** (héritée de SUMM-RE upstream)
- Durée totale : **~41 h** (124 × ~20 min)

## Colonnes

| Colonne | Type | Description |
|---------|------|-------------|
| `audio` | Audio | dict `{{path, array, sampling_rate}}` — décodé auto |
| `meeting_id` | string | ID réunion : `<num><letter>_<scenario><type><loc>` (ex `001a_PARL`) |
| `speaker_id` | string | identifiant locuteur |
| `audio_id` | string | `meeting_id + speaker_id` (clé unique) |
| `transcript` | string | transcription concaténée de tous les segments (ref WER) |
| `segments` | list[struct] | segments avec `start`, `end`, `transcript`, `words[start,end,word]` |

## Utilisation

### Chargement
```python
from datasets import load_dataset

ds = load_dataset("ggfox00000/stt-summre-fr-test", split="test")
print(ds)
sample = ds[0]
print(sample["meeting_id"], sample["speaker_id"])
print(sample["audio"]["sampling_rate"], sample["audio"]["array"].shape)
print("segments:", len(sample["segments"]))
print("first seg:", sample["segments"][0])
```

### Découpage par segment pour évaluation WER
SUMM-RE livre **1 ligne par piste audio complète (~20 min)**. Pour comparer
à un benchmark utterance-level, tu peux soit :

1. **Long-form WER** : passer la track complète à Whisper en mode
   chunked (`chunk_length_s=30`, `return_timestamps=True`), comparer le
   résultat au champ `transcript`.
2. **Utterance-level** : découper par `segments[i].start/end`, transcrire
   chaque segment isolément, comparer au `segments[i].transcript`.

### Évaluation diarisation
En fusionnant toutes les tracks d'une même `meeting_id`, tu peux évaluer
de la diarisation (qui parle quand). Les timestamps `segments[i].start/end`
servent de RTTM de référence. Voir paper Hunter et al. (2024) §5.

## Pré-traitement

**Aucun.** Les 28 parquets sont transférés bit-à-bit depuis `linagora/SUMM-RE`
(uniquement les fichiers du split `test`, l'arbo `data/test/test-*.parquet`
upstream est aplatie en `data/test-*.parquet` pour cohérence avec nos autres
STT datasets `ggfox00000/stt-*`). Aucun resampling, aucun ré-encodage.

## Source

- Dataset upstream : https://huggingface.co/datasets/linagora/SUMM-RE
- Paper : Hunter et al. 2024, *"SUMM-RE: A corpus of French meeting-style
  conversations"* (LREC-COLING 2024)
- Projet : SUMM-RE (ANR-20-CE23-0017), LINAGORA + Aix-Marseille LPL

## Licence

**CC-BY-SA-4.0** (héritée de SUMM-RE upstream). Toute redistribution doit
préserver la licence et créditer LINAGORA + le LPL.

## Citation

```bibtex
@inproceedings{{hunter2024summre,
  title  = {{SUMM-RE: A Corpus of French Meeting-Style Conversations}},
  author = {{Hunter, Julie and others}},
  booktitle = {{Proceedings of LREC-COLING 2024}},
  year   = {{2024}},
}}
```

Pour le pipeline d'alignement Whisper utilisé sur le split `train` (non
inclus dans ce mirror) :

```bibtex
@inproceedings{{yamasaki2023transcribing,
  title  = {{Transcribing And Aligning Conversational Speech: A Hybrid
            Pipeline Applied To French Conversations}},
  author = {{Yamasaki, Hugo and others}},
  booktitle = {{Proceedings of ASRU 2023}},
  year   = {{2023}},
}}
```