郑州方言日常用语语音识别语料库

音视频
0 下载
45 浏览
2021

数据集简介

数据集概览

本数据集(ASR-SCZDiaDuSC)是一个脚本化的中文郑州方言日常用语语音语料库,专为语音识别(ASR)任务设计。数据集包含5小时的转写语音,共5132条语句,由10位说话人录制,内容覆盖日常生活中的常用表达。

数据集类型

  • 类型:语音识别(ASR)训练与评估语料库
  • 模态:音频(语音)+ 转写文本

语言

  • 语言:中文郑州方言(Zhengzhou dialect)
  • 方言区域:河南省郑州市及周边地区

语音风格

  • 风格:脚本化(scripted)语音,即说话人按照预设文本朗读
  • 内容:日常用语(daily-use sentences),涵盖日常交流中的常见表达

内容

数据集包含5132条语句,由10位说话人(speakers)录制,每位说话人贡献约500条语句。内容为室内环境下的日常用语,适合用于训练和评估方言语音识别系统。

音频参数

  • 采样率:16 kHz
  • 量化位数:16 bit
  • 声道:单声道(mono)
  • 音频格式:WAV(PCM)

文件格式

  • 音频文件:WAV(PCM编码)
  • 转写文本:TXT(UTF-8编码)
  • 文件结构:每条语句对应一个音频文件和一个转写文本文件

录音设备

事实卡未提供具体录音设备信息,但根据数据集描述,录音在室内环境完成,音频质量满足16 kHz/16 bit单声道标准。

录音环境

  • 环境:室内(indoor)
  • 噪声水平:未明确说明,但通常此类数据集会控制环境噪声以保证语音清晰度。

许可

  • 许可类型:Magic Data开源许可
  • 具体条款:知识共享署名-非商业性使用-禁止演绎4.0国际许可(CC BY-NC-ND 4.0)
  • 使用限制:非商业用途,禁止修改和再分发衍生作品
  • 下载方式:需登录MagicHub平台后下载

样本

事实卡未提供具体样本示例,但数据集包含完整的音频-文本对,可用于直接训练和评估。

引用格式

引用本数据集时,建议参考以下格式(基于Magic Data惯例):

Magic Data Technology. (2021). ASR-SCZDiaDuSC: A Scripted Chinese Zhengzhou Dialect Daily-use Speech Corpus [Data set]. MagicHub. https://magichub.com/datasets/zhengzhou-dialect-scripted-speech-corpus-daily-use-sentence/

基本信息

记录数量437 MB;5小时;5132条语句;10位说话人
文件大小437 MB;5小时;5132条语句;10位说话人
文件格式未知
数据来源Magic Data Technology
采样率16 kHz
量化位数16 bit
声道单声道
总大小437 MB
总时长5小时
语句数量5132条
说话人数10位
语言中文郑州方言
许可CC BY-NC-ND 4.0
数据落地页https://magichub.com/datasets/zhengzhou-dialect-scripted-speech-corpus-daily-use-sentence/
发布日期2021
郑州方言语音识别日常用语语料库ASR

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费