音频小语种

泰语语音数据集

数据集介绍

一、产品概述

泰语语音数据库，共100小时。采样率16000Hz，比特率16bit。发音人为泰语母语者，年龄范围为7-70岁。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、文本设计

文本领域

考虑到实际场景应用，文本领域覆盖面广，主要包含以下：通用场景：日常对话、家庭交流、新闻播报、指令域控、人机交互商业场景：电商、餐饮、金融、物流、会议工业场景：农业、电子制造、汽车、纺织公共服务场景：政务咨询、医院问诊、学校教学复杂噪声场景：街景、公交车、地铁、会议室、家居室内考虑到录音人年龄跨度大导致应用场景的不同，针对不同发音人文本领域有所区分，主要如下：儿童：以指令交互为主，简单对话文本为辅，覆盖家居、车载、人机交互、日常通用对话；中青年：这部分人群使用率最高，且覆盖领域最广，覆盖家居、车载、人机交互指令、餐饮、金融、无论、医疗问诊、工业制造、教育教学以及日常闲聊；老人：这部分的领域介于儿童和中青年之间，覆盖家居、车载、人机交互指令、餐饮、新闻、医疗问诊/健康养生、娱乐、出行以及日常闲聊。针对简单的指令词部分，区分快中慢语速。单人具体句数分配如下：

领域 · 儿童 · 青年&中年 · 老人

家居指令词 · 25*3 · 5*3 · 20*3

车载指令词 · 25*3 · 5*3 ·

人机交互指令 · 25*3 · 5*3 · 20*3

家庭交流 · 50 · ·

餐饮 · · 100 · 55

金融 · · 90 ·

物流 · · 100 ·

医疗问诊/健康养生 · · 100 · 55

新闻 · · · 55

娱乐 · · · 55

出行 · · · 55

电商 · · 100 ·

工业制造 · · 80 ·

教育教学 · · 80 ·

日常广域文本 · 50 · 105 · 55

汇总 · 325 · 800 · 450

儿童除朗读外，会加入引导性对话，单人主题领域覆盖如下：

领域 · 示例 · 小时

家庭交流（亲子） · 家长：“你最喜欢玩什么游戏呀？玩的时候开心吗？” 孩子：“我最喜欢搭积木，搭好城堡的时候特别有成就感！” · 0.1

对话 · ·

教育交流（师生） · 老师：“这道数学题你是怎么想的呀？有哪里不懂吗？” 孩子：“我会算加法，但是减法总是搞混，老师能再讲一遍吗？ · 0.1

闲聊（同学、朋友等） · A：“今天那个游戏很好玩，明天我们还一起玩”；B：“明天我有事情可能来不了，后天可以吗？” · 0.05

转写准则

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）泰文与符号之间标点式前置空格。3）单字母按照泰文 + 半角空格 + 字母，字母后再接空格，如“รุ่น A ของโทรศัพท์ขายดีมาก”；专有英文名词缩写完整保留原拼写，如USB、wifi；连续字母拼读则中间加空格，如“A B C”。4）仅课堂朗读音标才标注，前后/ /，泰文与左侧斜杠之间空1格，如“เสียง /k/ในภาษาไทยออกเสียงง่าย”