Nexdata/548_Hours_Taiwanese_Accent_Mandarin_Spontaneous_Speech_Data

---
license: cc-by-nc-nd-4.0
---
## Description
548 Hours - Taiwanese Accent Mandarin Spontaneous Speech Data, the content covering multiple subjects. All the speech audio was manually transcribed into text content; speaker identity, gender, and other attribution are also annotated. This dataset can be used for voiceprint recognition model training, corpus construction for machine translation, and algorithm research introduction, etc.

For more details, please refer to the link: https://www.nexdata.ai/dataset/1295?source=Huggingface

## Format
16kHz, 16bit, mono channel, wav
## Data Content
Spontaneous speech data collected from public channels with a colloquial style;
## Language
Accent Mandarin
## Annotation
annotation for the transcription text, speaker identification, gender;
## Application scenarios
speech recognition ; caption generation and content review;
## Accuracy
at a Sentence Accuracy Rate (SAR) of being no less than 97%.

# Licensing Information
Commercial License

--- 许可协议：知识共享署名-非商业性使用-禁止演绎4.0（CC BY-NC-ND 4.0） ---
## 数据集描述
本数据集包含548小时台湾口音普通话自发语音数据，内容覆盖多领域主题。所有语音音频均经人工转录为文本内容，同时对说话人身份、性别及其他属性信息进行了标注。本数据集可用于声纹识别模型训练、机器翻译语料构建以及算法研究推广等场景。
如需了解更多详情，请访问链接：https://www.nexdata.ai/dataset/1295?source=Huggingface

## 数据格式
16kHz采样率、16bit位深、单声道，格式为WAV
## 数据内容
采集自公开渠道的自发语音数据，语体风格口语化；
## 语言类型
带台湾口音的普通话
## 标注信息
包含转录文本标注、说话人识别标注以及性别标注；
## 应用场景
语音识别、字幕生成与内容审核；
## 标注准确率
句子准确率（Sentence Accuracy Rate, SAR）不低于97%。

# 许可信息
商业许可

原始信息汇总

数据集描述

548小时 - 台湾口音普通话即兴演讲数据集，内容涵盖多个主题。所有语音音频均已手动转录为文本内容；说话者身份、性别等信息也已标注。该数据集可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。

格式

16kHz，16位，单声道，wav格式。

数据内容

从公共渠道收集的口语风格的即兴演讲数据。

语言

台湾口音普通话。

标注

对转录文本、说话者身份、性别进行标注。

应用场景

语音识别；字幕生成和内容审核。

准确性

句子准确率（SAR）不低于97%。

许可信息

商业许可证