Nexdata/Dari_Conversational_Speech_Data_by_Telephone

330小时的达里语对话语音数据通过电话收集，涉及452名母语者，性别比例平衡。参与者从给定列表中选择熟悉的话题进行对话，以确保对话的流畅性和自然性。录音设备为各种手机，音频格式为8kHz、8bit、WAV，所有语音数据均在安静的室内环境中录制。所有语音音频均手动转录，包括文本内容、每个有效句子的开始和结束时间以及说话者识别。

330 hours of Dari conversational speech data were collected via telephone, involving 452 native speakers with a balanced gender ratio. Participants selected familiar topics from a provided list for their conversations to ensure the fluency and naturalness of the dialogues. The recordings were made using various mobile phones, with the audio format set to 8kHz, 8bit, and WAV. All speech data was recorded in quiet indoor environments. All speech audio was manually transcribed, including the text content, the start and end timestamps of each valid sentence, and speaker identification.

原始信息汇总

数据集卡片 Nexdata/Dari_Conversational_Speech_Data_by_Telephone

描述

该数据集包含330小时的达里语电话对话语音数据，由452名母语者参与录制，性别比例均衡。参与者从给定的话题列表中选择几个熟悉的话题进行对话，以确保对话的流畅性和自然性。录音设备为各种移动电话，音频格式为8kHz、8bit、WAV，所有语音数据均在安静的室内环境中录制。所有语音音频均已手动转录为文本内容，包括每句话的开始和结束时间以及说话者识别。

规格

格式

8kHz, 8bit, ulaw/alaw pcm, 单声道；

录音环境

安静的室内环境，无回声；

录音内容

指定数十个话题，录音时说话者在这些话题下进行对话；

人口统计

共有452名说话者，其中94%为男性，6%为女性；

标注

转录文本、说话者识别和性别标注；

设备

电话录音系统；

语言

达里语；

应用场景

语音识别；声纹识别；

准确率

单词准确率不低于95%。

许可信息

商业许可

搜集汇总

背景与挑战

背景概述

该数据集是一个达里语对话语音数据集，包含330小时的电话录音，由452名母语者参与录制，音频格式为8kHz、8bit WAV，录制环境安静室内，并进行了手动转录，包括文本、句子时间和说话人信息。数据特点包括性别比例不平衡（94%男性、6%女性），覆盖多个话题对话，适用于语音识别和声纹识别任务，准确率不低于95%，但规模较小，仅10行示例数据。