AI-Hub

데이터 변경이력

데이터 히스토리

소개

본 데이터는 한자어, 고유어, 외래어 등의 숫자 읽기 다양성을 반영하여 84개의 카테고리로 구성된 10,000시간 이상의 음성데이터로 구성하였음. (스크립트 데이터 포함)

구축목적

다양한 환경의 발화 특성을 반영한 음성 데이터를 구축하여 음성인식 기반 AI서비스의 확대, 발전의 토대를 마련

1. 데이터 구축 규모
 

2. 데이터 분포 : 고유어, 한자어, 외래어 읽기 특성에 따른 84가지 카테고리의 숫자 데이터 구축

3. 구축 환경 : 발화자, 녹음환경을 고려한 864가지의 환경을 통해 데이터 구축

<구축 기준별 참조 이미지>

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 개요

• 본 컨소시엄에서 보유하고 있는 BASE 음성인식엔진에 본 과제로 구축된 숫자가 포함된 패턴 발화 데이터를 학습하여 데이터 유효성 검증
  (BASE 엔진 : 기보유하고 있는 10,000시간 음성데이터, 10GB의 스크립트 데이터를 통해 학습)

2. 모델 학습 및 검증 환경

3. 숫자 대화 언어모델 학습

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 데이터 포맷

• 유형별 데이터 포맷

  1. 데이터 포맷

  데이터 구분	데이터 유형	데이터 포맷	비고
  라벨데이터	스크립트	JSON	스크립트 데이터를 전사하여 음성 데이터 구축
  원천데이터	스크립트	txt
  가공데이터	음성	pcm

2. 데이터 구성

• 라벨링 데이터

  라벨링 데이터

  분류	순서	속성표기	속성명	속성 설명	데이터 타입	필수 여부
  녹음발화정보	1	recordedID	녹음ID	녹음관리번호	String	O
  	2	recordedDate	녹음일시	녹음한 날짜	String	O
  	3	recordedStart	녹음시작시간	녹음 스타트 시간	String	O
  	4	fileName	녹음파일명	녹음 음성파일명	String	O
  	5	filePath	녹음파일위치	녹음 음성파일 위치	String	O
  	6	recordedTime	녹음파일재생시간	녹음음성파일 재생시간(초단위)	Numeric	O
  	7	recordQuality	음질	음성파일의 음질 구분	String	O
  	8	recordedDevice	녹음 수집 디바이스	음성파일 녹음된 디바이스	String	O
  	9	redcordedDeviceName	녹음 수집	음성파일 녹음 된	String	X
  			디바이스	디바이스 회사명
  			회사명
  	10	recordedEnv	녹음 환경	구축된 데이터의 활용 용처별 구분을 위한 녹음 환경 구분	String	O
  녹음자정보	11	collectedID	수집방법ID	크라우드소싱등 구분ID	String	O
  	12	recorderID	녹음자ID	녹음자ID	String	O
  	13	sex	성별	발화자의 성별	String	O
  	14	generation	세대	발화자의 세대	String	O
  	15	residence	거주지역	발화자의 거주지역(광역시, 도별)	String	O
  	16	dialect	화자방언여부	발화자 음성의 사투리 여부	String	O
  	17	dialectRegion	화자방언지역	발화자의 음성이 방언인 경우, 방언 지역	String	O
  	18	areaInfomation	발화자의	이전 거주지역 과 부모님의 고향 정보	String	O
  			지역정보

• 원천 데이터

  원천 데이터

  분류	순서	속성표기	속성명	속성 설명	데이터 타입	필수 여부
  녹음대화정보	1	scriptID	스크립트ID	스크립트ID	String	O
  	2	scriptITN	음성파일 전사 TEXT(ITN표기)	영문/숫자를 영어와 아라비아 숫자 글자 그대로 표시	String	O
  	3	scriptTN	음성파일 전사 TEXT(TN표기)	영문/숫자를 영어와 아라비아 숫자를 발음방법대로 표시	String	O
  	4	scriptNumberWord	숫자가 포함된 단어	단어별 인식을 위한 추출	String	O
  	5	patternTheme	패턴 주제	숫자포함 패턴 문장, 숫자의 패턴 주제별 다양성 구분	String	O

3. 실제 예시

• 라벨링 데이터
  
   
• 원천 데이터
  

데이터셋 구축 담당자

수행기관(주관) : 주식회사 케이티알파

수행기관(참여)