中文双工对话语音数据集

本数据集包含3,200小时的中文普通话双人双工对话音频，由真实场景下的自然对话录制而成，每条音频时长5-10分钟。数据标注内容涵盖语音对应的转写文本、时间戳（对齐到每个有效句子）、说话人信息（性别和说话人ID）以及非语音标记（如人声噪音、非人声噪音、笑声、音乐、静音段）。所有标注均遵循行业规范，单个有效切片时长不超过30秒。采样率为16kHz至44.1kHz，音频质量高。数据来源于办公室、客厅等安静室内环境，适合用于对话式语音识别模型训练、说话人日志、口语对话理解（SLU）以及多模态人机交互系统开发等场景。