Datasets para ASR

Dados de voz infantil em português do Brasil – estilo coloquial O conteúdo abrange áreas gerais como mídias sociais, diálogos, transmissões ao vivo, palestras e programas de variedades, refletindo situações reais de interação. Este conjunto de dados é anotado com conteúdo textual, identidade dos locutors, gênero, sotaque e outros atributos. As gravações foram feitas por várias crianças brasileiras de até 12 anos, provenientes de diferentes regiões e contextos culturais. Os dados apresentam alta precisão e são fáceis de utilizar, oferecendo recursos valiosos para pesquisas e aplicações em reconhecimento de fala. Foram validados por múltiplas empresas de IA, auxiliando os modelos a se destacarem diante da diversidade do mundo real. Seguimos rigorosamente as leis de proteção de dados e privacidade, garantindo que a coleta, o armazenamento e o uso das informações mantenham os direitos legais e a privacidade dos usuários. Todos os dados estão em conformidade com o GDPR, CCPA e PIPL.

Dados de voz em português europeu – conversas por celular – foram simulados com base em cerca de trinta temas comuns. Este conjunto de dados inclui anotações como conteúdo textual, marcações temporais por frase, identidade do locutor, gênero, entre outros atributos. As gravações foram feitas por 590 locutors nativos de português europeu de múltiplas regiões e contextos culturais. Possui alta precisão e oferece recursos valiosos para pesquisas e aplicações em reconhecimento de fala. Validado por múltiplas empresas de IA, ajuda os modelos a lidarem bem com a diversidade do mundo real. Todos os dados foram coletados, armazenados e utilizados em conformidade com os regulamentos de privacidade e proteção de dados (GDPR, CCPA, PIPL).

Dados de voz infantil em italiano (estilo coloquial), com conteúdo abrangendo mídias sociais, diálogos, transmissões ao vivo, palestras, programas de variedades, entre outros domínios gerais, refletindo contextos reais de interação. O conjunto é anotado com conteúdo textual, identidade e gênero do locutor, sotaque, entre outros atributos. As gravações foram feitas por várias crianças italianas de até 12 anos, de diferentes regiões e contextos culturais. O conjunto tem alta precisão e é fácil de usar, oferecendo ricas fontes para pesquisa e aplicação em reconhecimento de fala. Ajuda os modelos a lidar com a diversidade do mundo real. Seguimos rigorosamente as regulamentações de proteção de dados e privacidade, garantindo a proteção dos direitos dos usuários durante a coleta, o armazenamento e o uso. Todos os dados seguem as normas GDPR, CCPA e PIPL.

Dados de voz em malaio _ conversas (via celular), gravados com base em cerca de 30 temas comuns. O conjunto de dados inclui marcações de conteúdo textual, marca de tempo por frase, identificação e gênero do locutor. Foi gravado por 228 malaios de múltiplas regiões e origens culturais. A precisão é alta e os dados são recursos valiosos para pesquisa e aplicações em reconhecimento de fala, verificados por várias empresas de IA. Cumpre rigorosamente regulamentos como GDPR, CCPA e PIPL para proteger privacidade e direitos legais.

Dados de voz de crianças francesas – linguagem coloquial, com conteúdo abrangendo mídias sociais, diálogos, transmissões ao vivo, palestras, variedades e outras áreas gerais, refletindo situações de interação do mundo real. Este conjunto de dados inclui anotações de conteúdo textual, identidade do locutor, gênero, sotaque e outros atributos. Foi gravado por várias crianças francesas com até 12 anos, provenientes de diferentes regiões e contextos culturais, garantindo alta precisão e facilidade de uso. É um recurso valioso para pesquisas e aplicações relacionadas ao reconhecimento de voz, ajudando os modelos a apresentarem bom desempenho diante da diversidade do mundo real. Seguimos rigorosamente as leis de proteção de dados e regulamentos de privacidade, garantindo a privacidade e os direitos legais dos usuários durante a coleta, armazenamento e uso dos dados. Todos os dados estão em conformidade com o GDPR, CCPA e PIPL.

Dados de voz em híndi – linguagem coloquial. Reflete situações de interação do mundo real. Este conjunto de dados inclui anotações de conteúdo textual, identidade do locutor, gênero e outros atributos. Foi gravado por locutors nativos de híndi provenientes de diferentes regiões e contextos culturais, garantindo alta precisão e facilidade de uso. Trata-se de um recurso valioso para pesquisas e aplicações relacionadas ao reconhecimento de voz, ajudando os modelos a apresentarem bom desempenho diante da diversidade do mundo real. Seguimos rigorosamente as leis de proteção de dados e regulamentos de privacidade, garantindo que a coleta, armazenamento e uso dos dados respeitem a privacidade e os direitos legais dos usuários. Todos os dados estão em conformidade com o GDPR, CCPA e PIPL.

Dados de voz em coreano — diálogos (por telefone), gravados de forma simulada com base em cerca de trinta temas comuns. Este conjunto de dados contém anotações do conteúdo textual, marcas de tempo das frases, identificação do locutor, gênero e outras características. Foi gravado por 216 coreanos nativos de diferentes regiões e contextos culturais, apresentando alta precisão. Oferece um recurso valioso para pesquisas e aplicações relacionadas ao reconhecimento de voz, e foi validado por múltiplas empresas de IA: contribui para que os modelos tenham um bom desempenho diante da diversidade do mundo real. Seguimos rigorosamente as leis de proteção de dados e as normas de privacidade para garantir que a coleta, o armazenamento e o uso dos dados protejam a privacidade e os direitos legais dos usuários. Todos os dados seguem as regulamentações GDPR, CCPA e PIPL.

Dados de voz em indonésio (celular) Gravados com base em cerca de trinta temas comuns simulados. Este conjunto de dados inclui anotações de conteúdo textual, marcação de tempo das frases, identidade dos locutors, gênero e outros atributos. Foi gravado por 412 locutors nativos da Indonésia com diferentes origens regionais e culturais, garantindo alta precisão. Trata-se de um recurso valioso para pesquisas e aplicações relacionadas ao reconhecimento de voz, já validado por múltiplas empresas de IA: auxilia os modelos a apresentarem excelente desempenho diante da diversidade do mundo real. Seguimos rigorosamente as leis de proteção de dados e regulamentos de privacidade, garantindo que a coleta, o armazenamento e o uso dos dados respeitem a privacidade e os direitos legais dos usuários. Todos os dados estão em conformidade com o GDPR, CCPA e PIPL.

Dados de vídeo multimodal de leitura labial com múltiplos ângulos envolvendo 202 pessoas. As cenas de coleta incluem ambientes internos com luz natural e ambientes internos com iluminação fluorescente. Os vídeos foram gravados com celular. A diversidade da coleta abrange diferentes cenários, faixas etárias e 13 ângulos de filmagem. A linguagem usada é o mandarim padrão. Os conteúdos gravados são de domínio geral, sem restrição de tema. Os dados podem ser usados em pesquisas de algoritmos de aprendizado multimodal na área de voz e imagem.