远场声纹语音数据

一、产品概述

语音数据库共20253小时。录音语言为中文；录音地区为中国。共邀请511名录音人，每人在不同日期分别录制3次语音，时间跨度为7-25天。录音人年龄段为17-66岁，此数据库可用于声纹识别、语音识别等研究。此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95%以上。

二、录音语料

语料池的制作

录音文本的结果设计

此数据库录音文本采用每人每次约330句，每人3次录制共约990句，语音内容覆盖语速为快、中、慢的唤醒词和相关交互需求内容；数字；不重复的多领域词汇句子以及自然对话。具体结果结构如下。

领域 · 内容 · 编号

唤醒 · 你好，米雅（快） · 0001-0010

唤醒 · 你好，米雅（中） · 0011-0020

唤醒 · 你好，米雅（慢） · 0021-0030

唤醒交互 · 你好，米雅+交互（快） · 0031-0050

唤醒交互 · 你好，米雅+交互（中） · 0051-0070

唤醒交互 · 你好，米雅+交互（慢） · 0071-0090

数字 · 连续数字串 · 0091-0110

手机&平板语控 · 操作控制语句 · 0111-0170

音箱交互 · 音箱语控和命令 · 0171-0210

领域无关 · 广域文本 · 0211-0270

自然对话 · 自然交互语句 · 0271-330

· 合计 · 330

语料池处理

• 脱敏处理。删除政治敏感、个人隐私、色情暴力等内容。
• 删除 < , > , [ , ] , ～ , / , \ , = 等符号，数字串部分除外。
• 删除含有中文和英文以外语言的内容。
• 删除单句含有25字以上的内容。
• 统一格式。

三、发音人信息

发音人结构特征

性别比例

数据库总人数为511人，男211人，女300人。

性别 · 男性 · 女性 · 合计

比例 · 41.3% · 58.7% · 100%

年龄比例

录音人年龄覆盖17-66岁，具体分布如下所示：A(16-25岁)；B(26-40岁)；C(41岁以上)。

· 年龄段 · 人数 · 比例

A · 16-25岁 · 481 · 94%

B · 26-40岁 · 15 · 3%

C · > 41岁 · 15 · 3%

合计 · 100 · 100% ·

四、数据录制环境

录制环境

安静室内，无回音，不同场景分别加入家居和会议场景噪声。发言人按照慢速、正常语速以及快速朗读录音文本。

录制设备

录制设备覆盖高保真、安卓系统手机、iOS系统手机、安卓系统平板电脑以及半径为5厘米的圆形麦克风阵列板。

录制方法

共计7个点位，分别包含录音人近讲，后1.5米、0.25米、1米、左右各3米、5米。设备采集位置示意图如下所以：

注：Noise1为风扇噪声；Noise2为电视、音乐、办公噪声

五、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，或者一些英文缩写全部大写加空格，例如：C E O、C C T V等。4）标注内容的完整性要与实际发音一致，不得删减。

六、数据文件目录

目录结构

数据目录树数据目录结构

└─DOC（文本说明文件）
││├─wav_list.txt（音频列表）
││├─spkrinfo.xlsx（��音人信息）
│
└─SPEECHDATA（数据文件夹）
│├─0548 (录音人编号)
│├─F0548（第一次录制）
│├─548A0.25M（设备及点位信息）
││ ││ F0548_548A0.25M_1_0019_normal.wav（音频文件）
│├─F0548.txt（语音内容文本）

│├─S0548（第二次录制）
│├─T0548（第三次录制）

命名规则

目录命名规则

<USAGE>/<SpeakerID>/<Time>/<Recording_info>/<wav_ID>e.g.SPEECHDATA/0548/F0548/548A0.25M/F0548_548A0.25M_1_0019_normal.wav

目录 · 内容 · 备注

USAGE · SPEECHDATA · 文件夹名称

SpeakerID · 0548 · 录音人编号

Time · F0548 · 录制次数

Recording_info · 548A0.25M · 录制信息

wav_ID · F0548_548A0.25M_1_0019_normal.wav · 音频文件

文件命名规则

<Time><Speaker_ID><Device_ID><Point_ID><Channel_ID><WAV_NUM><Speed>e.g. F0548_548A0.25M_1_0019_normal.wav

文件 · 内容 · 备注

Time · First（F）、Second（S）、Third（T） · 录制次数

SPEAKER_ID · 0001-0550 · 录音人ID

Device_ID · A: 安卓系统手机、I：iOS系统手机、MIC: 高保真麦克风、PAD：安卓系统平板、PCM：16麦圆形阵列板 · 设备信息

Point_ID · 0.25M、-1.5M、1M、3M、L3M（左）、R3M（右）、5M、 · 点位信息

Channel · 1-16 · 信道信息

WAV_NUM · 0019 · WAV编号

Speed · normal、fast、slow · 语速

数据样例下载

点击下载数据样