Nexdata/Mandarin_Spontaneous_Speech_Data

Nexdata/Mandarin_Spontaneous_Speech_Data数据集包含3,881小时的中文普通话自发语音数据，涵盖了多个主题。所有语音音频都经过人工转录为文本内容，并且标注了说话者身份、性别等信息。数据集格式为16kHz、16bit、wav、单声道。内容类别包括访谈、体育、综艺、课程、娱乐、服务等。数据集的句子准确率（SAR）不低于95%，适用于语音识别、视频字幕生成和视频内容审核等应用场景。数据集采用商业许可。

The Nexdata/Mandarin_Spontaneous_Speech_Data dataset contains 3,881 hours of spontaneous Mandarin speech data covering multiple topics. All audio recordings have been manually transcribed into text, with annotations including speaker identity, gender and other relevant information. The dataset is stored in 16 kHz, 16-bit, single-channel WAV format. Its content categories include interviews, sports, variety shows, courses, entertainment, services and others. The Sentence Accuracy Rate (SAR) of the dataset is no less than 95%, and it is applicable to application scenarios such as speech recognition, video subtitle generation and video content moderation. The dataset is available under commercial license.

原始信息汇总

数据集概述

基本信息

• 名称: Nexdata/Mandarin_Spontaneous_Speech_Data
• 语言: 中文（Mandarin）
• 任务类别: 自动语音识别

数据集描述

• 时长: 3,881小时
• 内容: 涵盖多个主题的普通话自发语音数据
• 特点: 所有语音音频均手动转录为文本内容，包含说话人身份、性别等标注信息
• 应用: 适用于声纹识别模型训练、机器翻译语料库构建及算法研究等

规格

• 格式: 16kHz, 16bit, wav, 单声道
• 内容类别: 访谈、体育、综艺、课程、娱乐、服务等
• 标注: 文本转录、说话人识别、性别标注
• 准确率: 句子准确率不低于95%
• 应用场景: 语音识别、视频字幕生成、视频内容审核

许可信息

• 许可类型: 商业许可