中文普通话口语音频数据库

一、产品概述

中文普通话口语语音数据库共566小时，单通道188.7小时，录音语言为中文。共邀请219名来自中国北方地区发音人参与录制。录制过程为录音棚，录音人通过高保真麦克风，以自由说的形式进行录制。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96%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219人，男115人，女104人。

性别 · 男性 · 女性 · 合计

比例 · 52.3 · 47.7 · 100%

年龄比例

录��人年龄覆盖16-58岁，具体分布如下所示：A（16-25岁）；B（26-40岁）；C（41岁及以上）。

年龄段 · 人数 · 比例（%）

16-25 · 127 · 58.3

26-40 · 56 · 25.2

>41 · 36 · 16.5

合计 · 219 · 100

三、数据录制环境

录制环境

录音棚内，无其他人说话。

录制设备

高保真麦克风。

录制方法

录音人在录音棚内通过高保真麦克风录制，麦克风距离为嘴边(P03)、1米(P04)以及2米(P05)同步录制。文本不限，自由说话，每个人��低于10分钟，不超过1小时。

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，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。5）一句中有个别字听不清的标注*，几个字标注一个*；整句听不清占比超过50%的句子丢弃。6）异常噪声，笑声，咳嗽等人声噪声在发声位置进行符号标记，符号如下所示：

��号 · 符号 · 说明

1 · <$> · 笑声

2 · <%> · 咳嗽

3 · <#> · 打哈欠等

4 · <@> · 手机铃声

5 · <-> · 动椅子声

6 · <_> · 动桌子声

7 · <*> · 听不清

8 · <fy> · 个别字存在方言

五、数据文件目录

数据目录树数据目录结构

└─DOC（文本说明文件夹）
││├─content.txt（音频列表）
││├─spkrinfo.xlsx（录音人信息）
│
└─SPEECHDATA（数据文件夹）
│├─0001（录音人编号）
│├─P03 (点位)
│├─00001.wav（音频文件）
│├─P04 (点位)

数据样例下载

点击下载数据样例