孟加拉语对话语音数据集

104小时孟加拉语双人对话语音数据,含文本转写及说话人标注,适用于南亚次大陆孟加拉语语音应用开发。

104 条数据更新时间 2026-05-11

数据集简介

本数据集收录104小时的孟加拉语双人自然对话音频,时长10至15分钟,由孟加拉国及印度西孟加拉邦等地区的孟加拉语母语者参与录制。对话内容涵盖日常沟通、购物、教育、社交、娱乐等通用话题。录音环境为安静办公室或家庭环境,音频参数为16kHz/16bit单声道WAV格式。每段音频均经过文本转写,每句转写按照时间戳标注,同时提供说话人标签信息。适用于孟加拉语语音识别系统开发、语音数据分析及跨区域语音技术研究。

数据质量

记录完整性
90.68%
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。