175小时奥里亚语（印度）手机采集朗读语音数据

数据基于给定的脚本朗读并模拟录制，内容丰富。此数据集标注了文本内容等多种属性，由母语人参与采集，准确性高，为语音识别相关研究及应用提供了丰富的资源，经多家AI公司验证：有助于模型面对真实世界的多样性时能够表现出色。我们严格遵循数据保护法规和隐私规定，确保数据采集、存储和使用的过程中维护用户的隐私和合法权益，所有数据均遵循GDPR,CCPA,PIPL。

数据堂如何保障数据质量与安全

数据规格

格式

16kHz，16bit，无压缩wav，单声道；

内容分类

新闻及通用类文本

录音条件

相对安静的室内，无回声；

录音设备

苹果手机、安卓手机；

录音人信息

总共232名录音人，其中男性97人，女性135人；

语言

奥里亚语

标注特点

标注文本内容

准确率

词准确率95%

样例展示

0:00/ 0:00

ବଲିଉଡ ସୁପରଷ୍ଟାର ଅକ୍ଷୟ କୁମାର ପତ୍ନୀ ଟୁଇଙ୍କିଲ ଖାନାଙ୍କ ସହିତ ଫିଲ୍ମ ଦେଖିବାକୁ ସିନେମା ହଲରେ ପହଞ୍ଚିଛନ୍ତି

0:00/ 0:00

ସେହି ଚଳଚ୍ଚିତ୍ର ଲାଗି ସେ ମଧ୍ୟ ଶ୍ରେଷ୍ଠ ଅଭିନେତା ଭାବେ ରାଜ୍ୟ ଚଳଚ୍ଚିତ୍ର ପୁରସ୍କାର ପାଇଥିଲେ

0:00/ 0:00

ଆଣ୍ଡାମାନ ସାଗରରେ ସୃଷ୍ଟି ହେବାକୁ ଥିବା ଲଘୁଚାପ ପୂର୍ବ କେନ୍ଦ୍ରୀୟ ବଙ୍ଗୋପସାଗରକୁ ଗତି କରିବା ଫଳରେ ଓଡ଼ିଶାରେ କିଛି ମାତ୍ରାରେ ଏହାର ପ୍ରଭାବ ପଡିବ

0:00/ 0:00

ଟାଟାଏସି ଡ଼୍ରାଇଭର ରାସ୍ତା କଡ଼ରେ ଗାଡ଼ିରଖି ହୋଟେଲକୁ ଖାଇବାକୁ ଯାଉଥିବା ବେଳେ ଧକ୍କା ଦେଲା ପଲସର