AI-Hub

데이터 변경이력

데이터 히스토리

소개

고품질 한국어 아동 음성 데이터 구축 및 개방으로 아동 교육 분야 지능화 혁신을 추구

구축목적

아동의 낭독 발화 음성을 수집하여 상대적으로 낮은 아동 음성 인식률 향상 시키고, 아동의 교육 및 학습에 활용 할 수 있는 인공지능 학습용 아동 음성 데이터 구축

1. 데이터 구축 규모

• 
  
• 한국어 아동 음성 5000시간
• 정형 : 비정형 = 75% : 25%
• 저소음 : 소음 = 80% : 20%
• 비정형 : 독후감, 일기류, 자유주제 (약 50개의 주제 중 선택 하거나 스스로 주제를 만들어서 작성), 기타
• 대본: TXT 형식
• 음성데이터: Wave(PCM) 파일, 48kHz 또는 16kHz, 16bit, mono
• 전사 데이터 포맷: Json 형식

2. 데이터 분포

•  

  1. 데이터 구축 규모

  구분		구축실적
  한국어어 아동  음성 데이터	정형 데이터 (무소음)	2,750시간
  	정형 데이터 (소 음)	1,000시간
  	비정형 데이터 (무소음)	1,250시간

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

1. 모델 적용 방안

• 인공지능 학습모델 선정 기준 및 고려사항
  • 본 AI 데이터는 STT 엔진 모델링에 활용되기 위한 것으로, 기존의 과제에서 구축된 데이터와 동일한 구조의 음성 데이터를 수집하여 활용함.
  • KALDI 기반의 STT 엔진에 활용 가능한 데이터 스펙으로 데이터 구축을 실시함.
•  모델 선정 절차
  • AI 모델에 대한 리서치 수행
  • 선행 연구 및 알고리즘 자료 검토
  • AI 모델에 대한 모델링 실시 
  • AI 모델 성능 및 특성 분석
  • AI 모델 간 상호 비교 후 선정
• 모델 적합성 검토
  • AI 모델 선정 후보 및 적합성 검토
    
    [1] Karita, S., Chen, N., Hayashi, T., Hori, T., Inaguma, H., Jiang, Z., ... & Zhang, W. (2019, December). A comparative study on transformer vs rnn in speech applications. In 2019 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU) (pp. 449-456). IEEE.
    [2] Xu, H., Li, K., Wang, Y., Wang, J., Kang, S., Chen, X., ... & Khudanpur, S. (2018, April). Neural network language modeling with letter-based features and importance sampling. In 2018 IEEE international conference on acoustics, speech and signal processing (ICASSP) (pp. 6109-6113). IEEE.
    [3] Xu, Q., Baevski, A., Likhomanenko, T., Tomasello, P., Conneau, A., Collobert, R., ... & Auli, M. (2020). Self-training and Pre-training are Complementary for Speech Recognition. arXiv preprint arXiv:2010.11430.
    [4] https://github.com/espnet/espnet
    [5] https://github.com/pytorch/fairseq/blob/f3b6f5817fbee59057ae2506f01502ea3c301b4b
       /examples/wav2vec/README.md
    [6] https://github.com/kaldi-asr/kaldi
    [7] https://paperswithcode.com/sota/speech-recognition-on-librispeech-test-clean
• 모델 선정 
  • 선정 모델: TDNN-LSTM
    
  • 모델 선정 사유
    • 비교적 적은 훈련 데이터로도 유사 성능을 낼 수 있으며, KALDI 툴킷을 활용한 개발 숙련도가 높다는 점을 고려하여 TDNN-LSTM 선택

2. 향후 활용 분야 및 활용 시나리오

• 다양한 유소아 응용서비스에 AI 기술 적용 가능
  
  (1) AI 스피커 아동 음성 인식 개선
  – 아이의 부정확한 발음에도 잘 인식 되도록 아동 음성 인식 개선
  ◦주요 특징
  – 영유아 음성 인식의 정확도 향상
  – 유아층이 많이 발화 하는 언어구조 적용
  ◦ 주요 기능
  – 음성 명령어로 특정 대상에게 전화 걸기 (ex, 아빠한테 전화 걸어줘)
  – 명령어로 인물, 사물, 시간 별 사진 보기 (ex, 엄마 사진 보여줘)
  – 음성 명령어로 노래, 동영상 재생 (ex, 핑크퐁 악어 상어 틀어줘)
  (2) 엘리베이터 음성 제어
  – 버튼에 손이 닿지 않는 아이들이 음성으로 엘리베이터 제어 및 방연 안전 기대
  ◦ 주요 기능
  – 음성 명령어로 엘리베이터 제어 (ex, 7층으로 가줘)

데이터 성능 점수

설명서 및 활용가이드 다운로드

1. 메타데이터

•  

  1. 메타데이터

  구분		메타데이터 항목명	타입	설명	비고
  1		Basic	Object	기본정보
  	1.1	Language	String	언어	KOR
  	1.2	Version	String	버전
  	1.3	ApplicationCategory	String	응용 분야
  	1.4	NumberOfSpeaker	String	발성화자 수
  	1.5	NumberOfUtterance	String	발화 수
  	1.6	DataCategory	String	DB종류	정형/비정형
  	1.7	RecordingDate	String	녹음날짜
  	1.8	FillingDate	String	수정날짜
  	1.9	RevisionHistory	String	수정기록
  	1.1	Distributer	String	수행기관
  2		Wav	Object	음성정보
  	2.1	SamplingRate	String	주파수	16000
  	2.2	NumberOfBit	String	비트 수
  	2.3	ByteOrder	String	바이트정보
  	2.4	EncodingLaw	String	인코딩방식
  	2.5	NumberOfChannel	String	채널 수
  	2.6	SignalToNoiseRatio	String	SNR
  3		Transcription	Object	전사정보
  	3.1	LableText	String	텍스트전사
  	3.2	ErrorTagged	String	오류 태깅
  	3.2	GrammaticalError	String	문법오류
  4		Speaker	Object	화자 정보
  	4.1	SpeakerName	String	화자 이름
  	4.2	Gender	String	성별
  	4.3	Age	String	나이
  	4.4	AgeGroup	String	연령층
  	4.5	SchoolYear	String	학년
  	4.6	Region	String	지역
  	4.7	Dialect	String	방언
  5		Environment	object	환경 정보
  	5.1	RecordingEnviron	String	녹음 환경
  	5.2	NoiseEnviron	String	노이즈 환경
  	5.3	RecordingDevices	String	녹음 장치
  6		File	object	파일 정보
  	6.1	FileCategory	String	파일 종류
  	6.2	FileName	String	파일 이름
  	6.3	DirectoryPath	String	파일 위치
  	6.4	HeaderSize	String	헤더 크기
  	6.5	FileLength	String	파일 길이	녹음파일 길이
  					단위 : 초
  	6.6	FileFormat	String	파일 포맷
  	6.7	NumberOfRepeat	String	반복 차수
  	6.8	TimeInterval	String	녹음 주기
  	6.9	Distance	String	녹음 거리
  7		Other	object	기타 정보
  	7.1	QualityStatus	String	품질상태
  	7.2	IncName	String	인명
  8		Miscellaneous_Info	object	추가 정보
  	8.1	SpeechStart	String	음성 시작 시간
  	8.2	SpeechEnd	String	음성 끝 시간

2. 라벨링데이터 실제예시

• [json 형식 샘플 – 어노테이션 정보]
  

데이터셋 구축 담당자

수행기관(주관) : 미디어젠㈜

수행기관(참여)

데이터 관련 문의처