【分享】方言普通话语音识别语料库（词汇部分）-600人

方言普通话语音识别语料库（词汇部分）-600人

 

尽管普通话语音识别系统的开发取得了很大进步，但在面对方言地区普通话时，遇到了挑战。广大方言地区、特别是南方方言区的普通话和标准普通话存在许多差别。因此，要提高方言语音识别率、进行方言语音识别，研究方言地区普通话的语音特点、比较方言地区普通话与方言及标准普通话之间的异同十分重要。需要采集北方方言、吴方言、湘方言、赣方言、客家方言、闽北方言、闽南方言和粤方言在内的八大方言语料。

全部录音人共包括600人，不同录音人的地域分布如表1所示。

                                                                          表1 录音人地域分布

地区	录音人数	比例
北方方言区	250	41.69%
吴方言区	50	8.33%
湘方言区	50	8.33%
赣方言区	50	8.33%
客家方言区	50	8.33%
闽北方言区	50	8.33%
闽南方言区	50	8.33%
粤方言区	50	8.33%

各个地域录音人的基本信息分布情况如表2所示。

                                                                          表2 录音人基本信息分布

年龄	16-30岁（45%）	31-45岁（45%）	46-55岁（10%）
性别	男女比例各占50%
口音	中度二级口音80%，一级乙等5%，三级15%。
文化程度	90%是高中以上学历，10%是高中以下学历

 

本数据集包含了600名发音人在安静环境下分别对10000个词汇的录制结果，录制内容包括人名、地名、股票名称、常用名词、常用动词、网络流行词汇、数字串等各类主题的10000多个词汇。下面列出了网络流行词汇的示例：

88

520

740

1314

5555

520=我爱你

874=不去死

8错

BBS

BT

DD

GG

hold

JJ

nc

N连跳

PTT

SJB=神经病

soeha

爱老虎油

数据下载：http://www.datatang.com/data/39322

数据堂-数据共享服务平台