Korpus Wicara ASR Medis Bahasa Indonesia

Pada level sentence ID, setiap folder merepresentasikan satu kalimat yang berisi satu berkas audio dan transkripsi yang sesuai. Korpus ini mencakup tiga domain utama, yaitu medis campuran, medis umum, dan medis kardiologi. Kalimat-kalimat pada domain medis umum disusun berdasarkan teks edukasi kesehatan yang tersedia secara publik dari beberapa situs konsultasi dan edukasi dokter di Indonesia, yang digunakan sebagai referensi linguistik untuk perekaman ujaran.

Sementara itu, materi transkrip pada domain medis kardiologi dikembangkan melalui kerja sama dengan RS Jantung dan Pembuluh Darah Harapan Kita. Seluruh materi teks digunakan sebagai bahan bacaan untuk perekaman ujaran dan tidak merepresentasikan data klinis maupun rekam medis pasien. Dataset ini dirancang untuk mendukung eksperimen ASR berbasis multi-domain, adaptasi domain, serta pengembangan dan evaluasi model pengenalan wicara pada konteks medis.