Nexdata/1044_Hours_Minnan_Dialect_Speech_Data_by_Mobile_Phone

---
license: cc-by-nc-nd-4.0
---
## Description
Hokkien(China) Dialect Scripted Monologue Smartphone speech dataset, collected from monologue based on given prompts, covering short message and other 30+ customer consultation domains. Transcribed with text content, gender, age, accent and other attributes. Our dataset was collected from extensive and diversify speakers(2496 people, which come from Quanzhou, Zhangzhou, Taiwan, Xiamen and other sourthern China districts), geographicly speaking, enhancing model performance in real and complex tasks.nQuality tested by various AI companies. We strictly adhere to data protection regulations and privacy standards, ensuring the maintenance of user privacy and legal rights throughout the data collection, storage, and usage processes, our datasets are all GDPR, CCPA, PIPL complied.

For more details, please refer to the link: https://www.nexdata.ai/dataset/50?source=Huggingface

# Specifications
## Format
16kHz, 16bit, wav, mono channel
## Content category
Customer consultation (covering 30+ domains); short message
## Recording condition
Low background noise (indoor)
## Recording device
Smartphone; Android:iOS = 3:1
## Country
China(CHN)
## Language
Hokkien
## Speaker
2,496 people; 55% females; 1,049 speakers are among 21-25 years old; speakers are from QuanZhou, ZhangZhou, TaiWan, XiaMen and other southern China districts
## Features of annotation
Transcription text, gender, age, accent, noise
# Licensing Information
Commercial License

---
许可协议：CC BY-NC-ND 4.0
---
## 数据集概述
本数据集为中国闽南语（Hokkien）脚本独白智能手机语音数据集，基于给定提示词生成独白内容进行采集，覆盖短消息场景及30余个客户咨询细分领域。数据集附带转写文本、性别、年龄、口音等多维度标注属性。
本次采集的受访者群体广泛且多元，共计2496人，来自泉州、漳州、台湾、厦门及中国南方其他地区；从地理分布维度优化，可提升模型在真实复杂场景下的性能表现。本数据集已通过多家人工智能企业的质量验证。
我们严格遵循数据保护法规与隐私标准，在数据采集、存储及使用全流程中保障用户隐私与合法权益，所有数据集均符合GDPR、CCPA及PIPL相关合规要求。

如需了解更多细节，请访问链接：https://www.nexdata.ai/dataset/50?source=Huggingface

# 规格参数
## 格式
16kHz采样率、16bit位深、单声道WAV音频
## 内容类别
客户咨询（覆盖30+细分领域）；短消息场景
## 录制环境
低背景噪音（室内场景）
## 录制设备
智能手机，安卓设备与iOS设备数量比为3:1
## 采集国家
中国（CHN）
## 语言
闽南语（Hokkien）
## 受访者信息
共计2496名受访者，其中55%为女性；1049名受访者年龄处于21-25岁区间；受访者来自泉州、漳州、台湾、厦门及中国南方其他地区
## 标注特征
转写文本、性别、年龄、口音、背景噪音情况
# 许可信息
商业许可

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-nd-4.0
• 语言: Hokkien
• 国家: 中国(CHN)

数据集描述

• 内容类别: 客户咨询（覆盖30+领域）；短消息
• 录音条件: 低背景噪音（室内）
• 录音设备: 智能手机；Android:iOS = 3:1
• 演讲者: 2,496人；55%女性；1,049名演讲者年龄在21-25岁；演讲者来自泉州、漳州、台湾、厦门及其他中国南方地区

技术规格

• 格式: 16kHz, 16bit, wav, 单声道

注释特征

• 注释内容: 转录文本、性别、年龄、口音、噪音

许可信息

• 商业许可: 是