కొరియన్ డేటాసెట్
한국어 데이터셋
AI & స్పీచ్ మోడల్స్ కోసం అధిక-నాణ్యత కొరియన్ కాల్-సెంటర్, స్క్రిప్ట్ చేయబడిన మోనోలాగ్ మరియు మీడియా (పాడ్కాస్ట్) డేటాసెట్
అవలోకనం
శీర్షిక (భాష)
కొరియన్ భాషా డేటాసెట్
డేటాసెట్ రకాలు
కాల్ సెంటర్, మీడియా డేటా, స్క్రిప్ట్ చేయబడిన మోనోలాగ్
దేశం
కొరియా
వివరణ
ఈ డేటాసెట్లో స్క్రిప్ట్ లేని సింథటిక్ ఏజెంట్–కస్టమర్ టెలిఫోనిక్ సంభాషణలు (5–15 నిమిషాలు), 1 నుండి 5 మంది పాల్గొనేవారితో ఇంటర్వ్యూలు మరియు పాడ్కాస్ట్లు వంటి లైసెన్స్ పొందిన పబ్లిక్ డొమైన్ ఆడియో/వీడియో ఫైల్లు (15–60 నిమిషాలు), మరియు ప్రసంగం మరియు భాషా నమూనా శిక్షణ కోసం ముందే నిర్వచించిన కంటెంట్ను అందించే ఒకే స్పీకర్ను కలిగి ఉన్న స్క్రిప్ట్ చేయబడిన మోనోలాగ్లు ఉన్నాయి.
కేస్ ఉపయోగించండి
ASR, వర్చువల్ అసిస్టెంట్, చాట్బాట్, సంభాషణ AI, స్పీచ్ అనలిటిక్స్, TTS, లాంగ్వేజ్ మోడలింగ్
డేటా సెట్ వివరాలు
| డేటాసెట్ రకం | మాదిరి రేటు | స్పీకర్లు | ఛానల్ | మొత్తం గంటలు | మొత్తం స్పీకర్ల సంఖ్య |
|---|---|---|---|---|---|
| కాల్ సెంటర్ | 8 kHz | 2 స్పీకర్లు | ద్వంద్వ | 102:27:55 | 1,244 |
| మీడియా డేటా | 16 kHz | బహుళ స్పీకర్లు | మోనో | 203:46:54 | 397 |
| స్క్రిప్ట్ మోనోలాగ్ | 24 kHz | సింగిల్ స్పీకర్ | మోనో | 500:00:00 | అభ్యర్థన మేరకు |
| స్క్రిప్ట్ మోనోలాగ్ | 48 kHz | సింగిల్ స్పీకర్ | మోనో | 1,955:00:00 | అభ్యర్థన మేరకు |
ఫీచర్ చేసిన క్లయింట్లు
ప్రపంచ ప్రముఖ AI ఉత్పత్తులను రూపొందించడానికి బృందాలకు అధికారం ఇవ్వడం.
మీరు వెతుకుతున్నది దొరకలేదా?
అన్ని డేటా రకాల్లో కొత్త ఆఫ్-ది-షెల్ఫ్ డేటాసెట్లు సేకరించబడుతున్నాయి
మీ ఆడియో/స్పీచ్ శిక్షణ డేటా సేకరణ చింతలను వదిలించుకోవడానికి ఇప్పుడే మమ్మల్ని సంప్రదించండి