373小时达里语语音数据_对话(手机)

达里语音数据_对话(手机),基于约二十个常见主题来模拟录制。此数据集标注了文本内容、句时间戳、说话人身份、性别等多种属性,由504名来自不同地域和文化背景的阿富汗本土人录制,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
16k Hz,16 bit, wav,单声道;
内容分类
录音人从特定的话题列表中选择熟悉的几个,分别录制一段流畅自然的对话;
录音条件
相对安静的室内,无回声;
录音设备
安卓手机,苹果手机;
录音人信息
共计504名阿富汗本土人,其中83%为男性,17%为女性
国家
阿富汗
语言
达里语;
标注特点
标注文本内容、句时间戳、说话人标识、性别;
准确率
词准确率95%

样例展示

0:00/ 0:00

یا انسان ها ره کمک کنه نام شه ماشین می مانیم

0:00/ 0:00

یا ای که از توته چوب گرفته

0:00/ 0:00

موتر یکی طبق که گفتیم یکی از نوع ماشین است

0:00/ 0:00

هر چیزی که

0:00/ 0:00

تا هواپیما های پیشرفته