方言ASR
涵盖粤语、四川方言、东北方言、山东方言等多地区方言的对话与自由说语音数据，每种方言约100小时。
400 条数据更新时间 2026-05-11
数据集简介
本数据集专注于多地区方言语音识别场景，共计约400小时。覆盖广东粤语、四川话、东北话、山东话等主要方言，内容以对话和自由叙述为主，伴随少量朗读语料。采集环境包括安静室内、公共场所等自然场景。每条语音均配有标准化的方言文本转写。适用于构建多方言语音识别系统、方言自适应声学模型训练以及面向地方用户的智能语音交互产品开发。
数据质量
记录完整性
92.99%
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
需要定制更适合业务场景的数据集？
我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。