Nexdata/Mixed_Speech_with_Chinese_and_English_Data_by_Mobile_Phone

---
YAML tags:
- copy-paste the tags obtained with the tagging app: https://github.com/huggingface/datasets-tagging
---

# Dataset Card for Nexdata/Mixed_Speech_with_Chinese_and_English_Data_by_Mobile_Phone

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:** https://www.nexdata.ai/datasets/939?source=Huggingface
- **Repository:**
- **Paper:**
- **Leaderboard:**
- **Point of Contact:**

### Dataset Summary

The data is recorded by 3972 Chinese native speakers with accents covering seven major dialect areas. The recorded text is a mixture of Chinese and English sentences, covering general scenes and human-computer interaction scenes. It is rich in content and accurate in transcription. It can be used for improving the recognition effect of the speech recognition system on Chinese-English mixed reading speech.

For more details, please refer to the link: https://www.nexdata.ai/datasets/939?source=Huggingface

### Supported Tasks and Leaderboards

automatic-speech-recognition, audio-speaker-identification: The dataset can be used to train a model for Automatic Speech Recognition (ASR).

### Languages

Chinese, English
## Dataset Structure

### Data Instances

[More Information Needed]

### Data Fields

[More Information Needed]

### Data Splits

[More Information Needed]

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

#### Initial Data Collection and Normalization

[More Information Needed]

#### Who are the source language producers?

[More Information Needed]

### Annotations

#### Annotation process

[More Information Needed]

#### Who are the annotators?

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

[More Information Needed]

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

Commerical License: https://drive.google.com/file/d/1saDCPm74D4UWfBL17VbkTsZLGfpOQj1J/view?usp=sharing

### Citation Information

[More Information Needed]

### Contributions

---
YAML 标签：
- 复制使用标签应用工具获取的标签：https://github.com/huggingface/datasets-tagging
---

# 数据集卡片：Nexdata/手机录制中英混合语音数据集（Mixed_Speech_with_Chinese_and_English_Data_by_Mobile_Phone）

## 目录
- [目录](#目录)
- [数据集描述](#dataset-description)
- [数据集概况](#dataset-summary)
- [支持任务与基准测试榜](#supported-tasks-and-leaderboards)
- [语言](#languages)
- [数据集结构](#dataset-structure)
- [数据实例](#data-instances)
- [数据字段](#data-fields)
- [数据划分](#data-splits)
- [数据集构建](#dataset-creation)
- [构建初衷](#curation-rationale)
- [源数据](#source-data)
- [标注信息](#annotations)
- [个人与敏感信息](#personal-and-sensitive-information)
- [数据集使用注意事项](#considerations-for-using-the-data)
- [数据集的社会影响](#social-impact-of-dataset)
- [偏差讨论](#discussion-of-biases)
- [其他已知局限性](#other-known-limitations)
- [附加信息](#additional-information)
- [数据集策展方](#dataset-curators)
- [许可信息](#licensing-information)
- [引用信息](#citation-information)
- [贡献](#contributions)

## 数据集描述

- **主页**：https://www.nexdata.ai/datasets/939?source=Huggingface
- **代码仓库**：
- **相关论文**：
- **基准测试榜**：
- **联系人**：

### 数据集概况
本数据集由3972名母语为汉语的发音人录制，其口音覆盖国内七大主要方言区。录制文本为中英混合语句，涵盖通用场景与人机交互场景。该数据集内容丰富、转录准确，可用于提升语音识别系统对中英混合朗读语音的识别效果。如需了解更多细节，请访问链接：https://www.nexdata.ai/datasets/939?source=Huggingface

### 支持任务与基准测试榜
automatic-speech-recognition、audio-speaker-identification：本数据集可用于训练自动语音识别（Automatic Speech Recognition, ASR）模型。

### 语言
汉语、英语

## 数据集结构

### 数据实例
[需更多信息]

### 数据字段
[需更多信息]

### 数据划分
[需更多信息]

## 数据集构建

### 构建初衷
[需更多信息]

### 源数据

#### 初始数据收集与标准化
[需更多信息]

#### 源语言发声者是谁？
[需更多信息]

### 标注信息

#### 标注流程
[需更多信息]

#### 标注者是谁？
[需更多信息]

### 个人与敏感信息
[需更多信息]

## 数据集使用注意事项

### 数据集的社会影响
[需更多信息]

### 偏差讨论
[需更多信息]

### 其他已知局限性
[需更多信息]

## 附加信息

### 数据集策展方
[需更多信息]

### 许可信息
商业许可：https://drive.google.com/file/d/1saDCPm74D4UWfBL17VbkTsZLGfpOQj1J/view?usp=sharing

### 引用信息
[需更多信息]

### 贡献

原始信息汇总

数据集概述

数据集名称

• 名称: Nexdata/Mixed_Speech_with_Chinese_and_English_Data_by_Mobile_Phone

数据集描述

数据集摘要

• 描述: 该数据集由3972名中国母语者录制，涵盖七大方言区。内容为中英文混合句，适用于一般场景及人机交互场景，旨在提升语音识别系统对中英文混合朗读语音的识别效果。
• 链接: 详细信息

支持的任务和排行榜

• 任务: 自动语音识别（ASR）、音频说话人识别

语言

• 语言: 中文、英文

数据集结构

数据实例

• 信息: 待补充

数据字段

• 信息: 待补充

数据分割

• 信息: 待补充

数据集创建

来源数据

• 源语言生产者: 待补充

注释

• 注释者: 待补充

使用数据的考虑

数据集的社会影响

• 信息: 待补充

数据集的偏见讨论

• 信息: 待补充

附加信息

数据集管理者

• 信息: 待补充

许可证信息

• 许可证: 商业许可证，详情见链接

引用信息

• 信息: 待补充