diarizers-community/simsamu

Simsamu数据集包含法语的模拟医疗调度对话录音，用于说话人分割和转录。录音是在急诊医学实习生的培训过程中录制的，模拟了医疗调度电话，实习生轮流扮演呼叫者和调度医生。每个情境是随机决定的，呼叫者和患者之间的关系以及呼叫者的沟通模式也是随机选择的。录音的音质有所不同，调度医生的声音通过麦克风直接录制，而呼叫者的声音通过电话网络传输并由电话扬声器重新发出后再被麦克风录制。数据集包含61个音频录音，总时长为3小时15分钟，平均每个录音时长为3分钟11秒。数据集已预处理，使其兼容于说话人分割模型的微调。

原始信息汇总

数据集概述

数据集名称

Simsamu

数据集特征

• audio: 采样率为16000的音频数据。
• timestamps_start: 开始时间戳，数据类型为float64序列。
• timestamps_end: 结束时间戳，数据类型为float64序列。
• speakers: 说话人信息，数据类型为字符串序列。

数据集划分

• train: 训练集，包含61个样本，总大小为186825817字节。

数据集大小

• 下载大小: 172710554字节
• 数据集总大小: 186825817字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*

标签

• speaker diarization
• speaker-segmentation
• voice-activity-detection

语言

• fr

许可证

• MIT

搜集汇总

背景与挑战

背景概述

Simsamu数据集是一个法语模拟医疗调度对话数据集，包含61个音频录音，总时长约3小时15分钟，平均每个录音3分钟11秒。数据标注了说话者分离和转录，用于训练紧急医学实习生，并模拟不同通信模式（如害羞、愤怒等），同时经过预处理以支持说话者分割模型的微调。