小语种自然对话数据集

含越南语、泰语、马来语等国自然对话语音数据，时长在200~500小时不等，标注对话文本内容、对话时间、对话人身份、性别等内容。

搜集汇总

背景与挑战

背景概述

该数据集是一个专注于小语种自然对话的语音数据集，涵盖越南语、泰语、马来语等多种语言，总时长在200至500小时之间，并提供了对话文本、时间、对话人身份和性别等详细标注。它主要用于训练语音识别模型，旨在解决小语种因语料不足和语境理解困难而导致的识别准确率低和失真问题，提升模型在多语言环境下的性能。