ASRU2019 CSASR

数据规模：
200小时
格式：
16kHz，16bit，单声道，无压缩wav
录音环境：
相对安静的室内，无回声
录音内容：
通用类口语句子；交互类句子
录音人：
男女比例均匀；小于25岁67%，26-40岁25%，40岁以上7%；覆盖北方官话区、吴语区、粤语区、闽语区、湘语区、赣语区等
设备：
安卓、苹果
语言：
普通话
应用场景：
语音识别，机器翻译；声纹识别
标注准确率：
97%以上

Data Scale: 200 hours
Format: 16kHz, 16-bit, single-channel, uncompressed WAV
Recording Environment: Relatively quiet indoor space with no echo
Recording Content: General-purpose spoken sentences; interactive sentences
Recording Speakers: Even gender distribution; 67% of speakers are under 25 years old, 25% aged 26-40, and 7% aged over 40; covering Northern Mandarin, Wu Chinese, Cantonese, Min Chinese, Xiang Chinese, Gan Chinese regions and other dialect areas
Recording Equipment: Android and Apple devices
Language: Standard Mandarin
Application Scenarios: Speech recognition, machine translation, speaker verification
Annotation Accuracy: Above 97%

搜集汇总

背景与挑战

背景概述

ASRU2019 CSASR是一个包含200小时普通话语音的数据集，录音环境安静，覆盖多种方言区和年龄段的说话人，适用于语音识别、机器翻译和声纹识别等任务，标注准确率超过97%。