Nexdata/Dari_Conversational_Speech_Data_by_Telephone

330小时的达里语对话语音数据通过电话收集，涉及452名母语者，性别比例平衡。参与者从给定列表中选择熟悉的话题进行对话，以确保对话的流畅性和自然性。录音设备为各种手机，音频格式为8kHz、8bit、WAV，所有语音数据均在安静的室内环境中录制。所有语音音频均手动转录，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。

原始信息汇总

数据集卡片 Nexdata/Dari_Conversational_Speech_Data_by_Telephone

描述

该数据集包含330小时的达里语电话对话语音数据，由452名母语者参与录制，性别比例均衡。参与者从给定的话题列表中选择几个熟悉的话题进行对话，以确保对话的流畅性和自然性。录音设备为各种移动电话，音频格式为8kHz、8bit、WAV，所有语音数据均在安静的室内环境中录制。所有语音音频均已手动转录为文本内容，包括每句话的开始和结束时间以及说话者识别。

规格

格式

8kHz, 8bit, ulaw/alaw pcm, 单声道；

录音环境

安静的室内环境，无回声；

录音内容

指定数十个话题，录音时说话者在这些话题下进行对话；

人口统计

共有452名说话者，其中94%为男性，6%为女性；

标注

转录文本、说话者识别和性别标注；

设备

电话录音系统；

语言

达里语；

应用场景

语音识别；声纹识别；

准确率

单词准确率不低于95%。

许可信息

商业许可

搜集汇总

背景与挑战

背景概述

该数据集是一个达里语对话语音数据集，包含330小时的电话录音，由452名母语者参与录制，音频格式为8kHz、8bit WAV，录制环境安静室内，并进行了手动转录，包括文本、句子时间和说话人信息。数据特点包括性别比例不平衡（94%男性、6%女性），覆盖多个话题对话，适用于语音识别和声纹识别任务，准确率不低于95%，但规模较小，仅10行示例数据。