数据堂—2,657小时普通话自然对话手机采集语音数据

数据集描述

用于2,657小时普通话自然对话手机采集语音数据 中文语音识别模型”模型的测试任务

数据集简介

2,657小时普通话自然对话手机采集语音数据由4491名发音人参与录制，以自然方式进行面对面交流，不限制话题自由发挥，领域广泛，语音自然流利，符合实际对话场景。2,657小时普通话自然对话手机采集语音数据由人工转写文本，准确率高。

数据集支持的任务

中文语音识别模型”模型的测试任务

数据集的格式和结构

数据格式

16kHz，未压缩16bit，wav，单声道

人员

约4,491人；女性占比63%

录音内容

无预制文本，录音人以自然方式进行对话，同时录制对话的内容

数据集生成的相关信息

原始数据

无

数据集标注

句准确率不低于98%

标注特点

标注文本内容、有效句子的起止时间点、说话人标识

标注者

无

数据集版权信息

版权归数据堂所有，商用数据。