ATCCaps：用于空中交通管制识别的呼号感知语音数据集

呼号是空中交通管制 (ATC) 通信中的安全关键实体，因为它们识别每个语音指令的目标飞机。本文介绍了 ATCCaps，这是一个具有呼号感知功能的 ATC 语音数据集，具有描述级音频文本监督功能。 ATCCaps 根据真实的 ATC 无线电话录音构建，包含 202.94 小时的精选音频、170,385 条话语和 922 个独特的标准化呼号。构建管道结合了可信感知转录解析、ADS-B 派生的呼号元数据、呼号标准化、基于规则的质量过滤和 LLM 辅助字幕生成。每个保留的样本都与文字描述、呼号描述和 ATC 风格的字幕配对，支持 ASR 评估、呼号匹配和呼号感知音频文本检索。我们通过分割统计、呼号覆盖、可见/不可见呼号分析、过滤审计和字幕质量评估进一步描述 ATCCaps 的特征。评估子集源自人工注释的 ATCO2 测试集，可通过手动记录进行参考评估。结果表明，ATCCaps 提供了可扩展的基于音频的呼号监督，而字幕分析则强调了明确验证呼号和数字保真度的必要性。基于参考 ASR 和 CLAP 的基线证明了 ATCCaps 在呼号感知 ATC 语音建模中的可用性。