Datasets:
audio audio |
|---|
French Call Center Speech Dataset - 860 Hours
Description
A large-scale dataset of real French call center conversations.
The dataset contains 5,500 audio recordings with a total duration of approximately 860.19 hours.
It covers multiple customer-service and business domains and can be used for automatic speech recognition (ASR), speech-to-text, conversational AI, dialogue systems, call center analytics, and speech research.
Dataset Summary
- Language: French
- Number of audio files: 5,500
- Total duration: ~860.19 hours
- Format: WAV
- Codec: PCM 16-bit (pcm_s16le)
- Channels: Mono (1 channel)
- Sample rate: 8,000 Hz
- Bit depth: 16-bit
- Bitrate: ~128 kbps
Domain Distribution
| Domain | Files | Hours | Share |
|---|---|---|---|
| Energy / Utilities | 1,718 | 341.45 | 39.69% |
| Telecommunications | 1,125 | 156.21 | 18.16% |
| General / Other Conversations | 752 | 106.68 | 12.40% |
| Customer Service / Support | 584 | 92.20 | 10.72% |
| Sales / Telemarketing | 569 | 92.10 | 10.71% |
| Home Renovation / Housing | 378 | 36.22 | 4.21% |
| Government Aid / Grants | 294 | 28.45 | 3.31% |
| Non-conversational / Unclear | 63 | 5.52 | 0.64% |
| Contracts / Billing | 9 | 0.83 | 0.10% |
| Logistics | 5 | 0.30 | 0.03% |
| Legal / Advisory | 1 | 0.12 | 0.01% |
| Healthcare | 1 | 0.06 | <0.01% |
| Financial Services | 1 | 0.05 | <0.01% |
Metadata
Metadata is available for the recordings and includes:
- audio_file
- duration_sec
- channels
- format
- codec
- bit_rate
- bit_depth
- sample_rate_hz
- Domain
Potential Use Cases
- Automatic Speech Recognition (ASR)
- Speech-to-text
- Call center speech analytics
- Conversational AI
- Dialogue systems
- Domain classification
- Customer-service analytics
License
Commercial license only.
Redistribution, resale, sublicensing, or public hosting of the full dataset is not permitted.
Contact
Email: marat@menkroft.com
Telegram: @Marat_DV
Description en français
Ce jeu de données contient des conversations réelles de centres d'appels en français.
Il comprend 5 500 enregistrements audio pour une durée totale d'environ 860,19 heures.
Le corpus couvre plusieurs secteurs d'activité et scénarios de service client. Il peut être utilisé pour la reconnaissance automatique de la parole (ASR), le speech-to-text, l'IA conversationnelle, les systèmes de dialogue et l'analyse des centres d'appels.
Résumé du jeu de données
- Langue : Français
- Nombre de fichiers audio : 5 500
- Durée totale : ~860,19 heures
- Format : WAV
- Codec : PCM 16-bit (pcm_s16le)
- Canaux : Mono (1 canal)
- Fréquence d'échantillonnage : 8 000 Hz
- Résolution : 16-bit
- Débit : ~128 kbps
Principaux domaines
- Énergie et services publics
- Télécommunications
- Conversations générales / autres
- Service client / assistance
- Ventes / télémarketing
- Rénovation / logement
- Aides publiques / subventions
- Contrats / facturation
- Logistique
- Autres domaines
Utilisations possibles
- Reconnaissance automatique de la parole (ASR)
- Speech-to-text
- Analyse des conversations de centres d'appels
- IA conversationnelle
- Systèmes de dialogue
- Classification par domaine
- Analyse du service client
Licence
Utilisation commerciale uniquement.
La redistribution, la revente, la sous-licence ou l'hébergement public du jeu de données complet sont interdits.
Contact
Email: marat@menkroft.com
Telegram: @Marat_DV
Sample
- Downloads last month
- 63