375小时全双工西安话自然对话(双语标注)语音数据

全双工西安话自然对话(双语标注)语音数据,基于常见主题对话采用说话人分离方式录制。此数据集标注了方言文本、普通话释义、句时间戳、说话人身份、性别等多种属性,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。

数据规格

格式
48kHz,32bit,未压缩wav,单声道;说话人声道分离
录音环境
相对安静的室内,无回声;
录音内容
给出话题列表,录音人从中挑选多个自己熟悉的话题以确保对话的流畅自然,围绕每个话题展开一段对话并录制
人员
434名录音人,男女比例均衡,覆盖多个年龄段
标注特点
标注文本内容、有效句子的起止时间点、说话人标识、普通话释义
设备
声卡+高保真麦克风
语言
西安话
准确率
字准确率98%
应用场景
语音识别,声纹识别

样例展示

0:00/ 0:00
0:00/ 0:00

O2 俺上回爬泰山滴时候真滴。 [N] 我上次爬泰山的时候真的。

0:00/ 0:00
0:00/ 0:00

O2 爬到三分之一。连一半都没到。 爬到三分之一。连一半都没到。

0:00/ 0:00
0:00/ 0:00

O2 我就[LAUGHTER]实在爬不动咧。 我就实在爬不动了。

0:00/ 0:00
0:00/ 0:00

O2 这回想再挑战一哈去。 这次想再挑战一下去。

0:00/ 0:00
0:00/ 0:00

O1 下回挑战年龄大咧,你到时候只能坐缆车上去缆车哈来。 下次挑战年龄大了,你到时候只能坐缆车上去缆车下来。