音频普通话

台湾普通话语音数据库

数据集介绍

一、产品概述

台湾普通话语音数据库，共720.8小时。采样率16000Hz，比特率16bit。数据为网络数据，包含健康、影视、旅游、科技等11个领域，该数据库经过专业语音校对人员转写标注，并通过严格质量检验，文本正确率在96%以上。

二、语音数据转写

数据转写人员根据所听到的音频写出内容，力求使文本内容与音频发音内容保持一致。一般准则如下：1）转写的内容必须和听到的语音完全一致，不能多字、少字、错字。2）数字要转写为汉字形式, 比如“一二三”，而不是“123”。3）英文按单词小写，拼读发音需写成大写字母加空格，如， “W W W dot Google dot com”，“C E O”。4）标注内容的完整性要与实际发音一致，不得删减。