音频中国方言

陕西方言语音数据库

数据集介绍

一、产品概述

陕西方言语音数据库共738小时。录音语言为陕西方言；录音地区为中国。共邀请8356名录音人，在安静环境下使用手机电话呼叫基站录音。数据经过专业校准，文本正确率达到97%以上，此数据库可用于声纹识别、语音识别等研究。

二、发音人信息

性别比例

数据库总人数为8356人，男4086人，女4270人。

性别 · 男性 · 女性 · 合计

比例 · 48.9% · 51.1% · 100%

年龄比例

录音人年龄覆盖20-66岁，具体分布如下所示：A(20-30岁)；B(31-40岁)；C(41-50岁)；D(51-60岁)。

· 年龄段 · 人数 · 比例

A · 20-30岁 · 1763 · 21.10%

B · 31-40岁 · 3304 · 39.54%

C · 41-50岁 · 2474 · 29.61%

D · 51-60岁 · 815 · 9.75%

合计 · 8356 · 100% ·

地域比例

录音人来自陕西，其中关中、陕北、陕南分布如下所示：

地域 · 人数 · 占比

关中 · 4996 · 59.8%

陕南 · 1639 · 19.6%

陕北 · 1721 · 20.6%

合计 · 8356 · 100%

三、数据录制环境

录制环境

安静室内，无回音，无其它人说话。

录制设备

市面上常见的手机，如苹果、华为、小米、oppo等。数据存储格式为8kHz，16bit wav文件。

录制方法

录音人在安静室内手持手机呼出电话到基站，正常语速朗读文本。

四、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, 如“一二三”，而不是“123”。注意区分“一”和“幺”，“二”和“两”。3）音频中有英文发音的应写成相应的汉字或英文。具体分为以下几种情况：网址中包含的所有的字母或单词，均为大写。例如：发音内容为”www.abc.com”, 应转写为“三W点A B C点com”发音中包含的英文单词，转写时全部为小写。发音中包含的英文字母，转写时全部为大写。对于一些大写专有名词，大写且不加空格，例如：CEO、NBA等。4）标注内容的完整性要与实际发音一致，不得删减。