ASR-CCantCSC: A Chinese Cantonese (Canton) Conversational Speech Corpus

This open-source dataset consists of 4.25 hours of transcribed Guangzhou Cantonese conversational speech on certain topics, where ten conversations between ten pairs of speakers were contained.

本开源数据集包含4.25小时经文字转写的特定主题广州粤语（Guangzhou Cantonese）会话语音，共收录10段由10对说话者开展的对话。

搜集汇总

背景与挑战

背景概述

ASR-CCantCSC是一个用于自动语音识别的粤语（广州话）对话语音语料库，包含4.25小时的转录自发对话语音，覆盖特定主题。音频以16 kHz、16位、单声道WAV格式录制，并附有UTF-8编码的文本转录，数据在室内环境中使用移动设备采集，采用开源许可证发布。