Nexdata/513_Hours_Japanese_Conversational_Speech_Data_by_Telephone

该数据集包含513小时的日语对话语音，由800多名母语者通过电话系统录制，确保了性别比例的平衡。录音在安静的室内环境中进行，音频格式为8kHz、8bit、未压缩的WAV。所有语音数据都经过手动转录，包括文本内容、每个有效句子的开始和结束时间以及说话者识别。句子的准确率≥95%。

原始信息汇总

数据集概述

数据集名称

513 Hours - Japanese Conversational Speech

数据集描述

• 收集方式：通过电话系统收集的自然对话。
• 参与者：超过800名日本本土演讲者。
• 性别比例：平衡，男性占46%，女性占54%。
• 话题选择：演讲者从给定列表中选择熟悉的话题进行对话，确保对话的流畅性和自然性。
• 录音设备：电话录音系统。
• 音频格式：8kHz, 8bit, 未压缩WAV格式，单声道。
• 录音环境：安静的室内环境，无回声。
• 转录内容：所有语音数据均手动转录，包括文本内容、每句有效句子的起止时间及说话者识别。
• 准确率：句子准确率≥95%。

数据集格式

• 音频格式：8kHz, 8bit, u-law/a-law wav, 单声道。

录音环境

• 环境描述：安静的室内环境，无回声。

录音内容

• 话题：指定数十个话题，演讲者在录音过程中围绕这些话题进行对话。

人口统计

• 参与者：878名日本人。
• 性别分布：男性46%，女性54%。

注释

• 注释内容：转录文本、说话者识别和性别。

设备

• 录音设备：电话录音系统。

语言

• 语言：日语。

应用场景

• 应用领域：语音识别；声纹识别。

准确率

• 句子准确率：95%。

许可信息

• 许可证：商业许可证。