Rafael Martins Feitosa,  Dante A. C. Barone,  André G. Adami. 

Um Corpus de Fala é necessário para modelagem acústica dos Sistemas de Reconhecimento de Fala. Entretanto a escassez deste tipo de corpus para o Português Brasileiro já é um problema descrito em vários trabalhos. Este artigo descreve, a partir de um levantamento bibliográfico, uma via alternativa, consistindo na utilização do áudio e Closed Caption dos programas transmitidos pelo Sistema Brasileiro de TV Digital (SBTVD) como fonte em potencial para coleta de corpus falado.

http://www.lbd.dcc.ufmg.br/colecoes/stil/2011/0028.pdf

Processando consulta.