Nexdata/500_Hours_Brazilian_Portuguese_Spontaneous_Speech_Data

葡萄牙语（巴西）真实世界对话和独白语音数据集，涵盖了自媒体、对话、直播等多个通用领域，反映了真实的互动场景。数据集包含文本内容、说话者ID、性别等属性的转录。数据集从广泛且多样化的说话者中收集，地理分布广泛，增强了模型在真实和复杂任务中的表现。数据集的质量经过多家AI公司的测试，确保了高准确率。在数据收集、存储和使用过程中，严格遵守数据保护法规和隐私标准，确保用户隐私和合法权益的维护，数据集符合GDPR、CCPA、PIPL等国际隐私保护法规。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-nd-4.0
• 格式: 16kHz, 16 bit, wav, mono channel
• 国家: 巴西(BRA)
• 语言: 葡萄牙语
• 语言(地区)代码: pt-BR

内容描述

• 描述: 葡萄牙语(巴西)实际休闲对话和独白语音数据集，涵盖自媒体、对话、直播等多个通用领域，反映真实世界互动。包含文本内容、说话者ID、性别等属性。
• 内容类别: 包括访谈、自媒体、综艺节目等。
• 录音环境: 低背景噪音

数据集特征

• 标注特征: 转录文本、时间戳、说话者ID、性别、噪音
• 准确性: 单词准确率(WAR) 98%

数据集用途

• 数据集由多样化的说话者收集，地理分布广泛，旨在提升模型在真实复杂任务中的性能。
• 数据集经过多家AI公司质量测试，严格遵守数据保护法规和隐私标准，确保用户隐私和法律权利。
• 数据集符合GDPR、CCPA、PIPL标准。