摘要

语音语言理解（Spoken Language Understanding, SLU）能够直接从音频数据中推断语义含义，因而有望在终端用户应用中减少错误传播和误解。然而，目前公开可用的SLU资源仍十分有限。本文发布了一个名为SLURP的新SLU工具包，包含以下内容：（1）一个全新的英文挑战性数据集，覆盖18个领域，其规模显著大于现有数据集，且在语言多样性方面也更为丰富；（2）基于前沿自然语言理解（NLU）与自动语音识别（ASR）系统的具有竞争力的基线模型；（3）一种新型透明的实体标注评估指标，可支持细致的错误分析，从而识别潜在的改进方向。SLURP工具包已开源，访问地址为：https://github.com/pswietojanski/slurp。