Datasets:

TingChen-ppmc
/

Zhengzhou_Dialect_Conversational_Speech_Corpus

Modalities:

Audio

Text

Formats:

Size:

Libraries:

Dataset card Data Studio Files Files and versions

xet

Community

Dataset Viewer

Auto-converted to Parquet Duplicate

Split (1)

train · 2.01k rows

gender stringclasses 2 values	speaker_id stringclasses 2 values	transcription stringlengths 1 51
女	G0001	北京爱数智慧语音采集，
女	G0001	科学技术。
女	G0001	搅拌机是不是那，
女	G0001	工地上那种可大呢大号桶，
女	G0001	一直滚着那种车。
女	G0001	那有啥不一样？
女	G0001	啊那你说我见那搅拌车，你说那搅拌机是给搅拌车之前那一步是吧。
女	G0001	商砼？
女	G0001	搅拌机大不大？
女	G0001	也是搁搅拌那车样哩可大。
女	G0001	那你说那小嘞是不是都是谁家盖房子用那一种小嘞。
女	G0001	哦它型号不一样是不是它和哩水泥那数量不一样
女	G0001	恁家是之前是开哩这种厂？
女	G0001	搅拌机是卖到搅拌站？
女	G0001	我感觉谁家盖房子应该不会买这吧，人家租个用用或者借个用用。
女	G0001	啊你对这方面都是那你对这方面，
女	G0001	我还以为你说那，
女	G0001	就是那种路上经常见那一种可大哩车带个滚桶一直滚着走那种。
女	G0001	它那种桶为啥走着一直滚呢？
女	G0001	它不加那，
女	G0001	它不加那，
女	G0001	嗯啥防凝固那那种那种东西，它自己一直滚着它也会凝固。
女	G0001	那这号桶不都浪费了。
女	G0001	啊恁那儿是不是那一片儿都是生产这哩。
女	G0001	大阀门儿了吧。
女	G0001	小阀门儿是不是就是就是家庭用那一种小哩。
女	G0001	啊我说那都是太小了都，
女	G0001	够不到那里头是吧。
女	G0001	起重机？
女	G0001	我见工地上有咧，
女	G0001	可大可长，
女	G0001	那是叫塔吊呀是叫吊塔？
女	G0001	我一直以为那叫，
女	G0001	它那一种是不是也得有个专业哩证才能上岗。
女	G0001	啊像近视眼儿还不中咧。
女	G0001	那应该是有屏幕吧，那就是有对讲机，那恁是远他也不一定能看见。
女	G0001	应该是带上去吧。
女	G0001	带上去或者是谁给他送上去。
女	G0001	我以前有个朋友他也是干这哩，
女	G0001	得有三四年了三四年前认识哩朋友，
女	G0001	他说那个时候都是七千多一个月。
女	G0001	还是在小地方也不是大城市。
女	G0001	这也属于高危行业吧。
女	G0001	看着吓人。
女	G0001	那肯定想着，
女	G0001	完了没救了。
女	G0001	那像他们这一种，
女	G0001	嗯这一种驾驶员肯定是，
女	G0001	会有哪个公司如果说是雇哩他，雇他们了会不会说给他们再，会不会给他们买保险？
女	G0001	它应该是坐上去之后能往上升吧，它要是有咧三四十层楼恁是高，
女	G0001	他再爬三四十层楼不会吧。
女	G0001	那要是往那塔吊上上，
女	G0001	吊塔塔塔吊，
女	G0001	塔吊上上，
女	G0001	那也得那也是体力活。
女	G0001	你不是说你恐高，
女	G0001	你不是说你恐高你恐高你还上不去嘞。
女	G0001	你再找个人给你救下来。
女	G0001	人家也是人家也是用个梯子上去给你哩眼蒙住给你吊下来！
女	G0001	我看人家有嘞消防车它有嘞恁高嗯有嘞高层楼它往里头救人，
女	G0001	那门进不去它也是用梯子云梯嘛，
女	G0001	人家不是说那云梯上去救人呐。
女	G0001	降落伞不至于吧！
女	G0001	它们那上头也不知道会不会有个安全绳，
女	G0001	你说这叫我想起有人说笑话儿说左脚踩右脚都能上天。
女	G0001	俺家盖房我记嘞，
女	G0001	都得十几年了。
女	G0001	以前老家嘞房子，
女	G0001	就是平房，
女	G0001	平房瓦房。
女	G0001	瓦房，
女	G0001	你有几间瓦房都会有一再再有一间平房嘛，
女	G0001	平房到秋天晒粮食么。
女	G0001	恁家是平房是瓦房？
女	G0001	恁家是楼房吧。
女	G0001	那它一层升两层它那地基是不是也得动一动。
女	G0001	我小守看人家盖房子斗是，
女	G0001	说是一层升两层还得地基还得动一动。
女	G0001	是怕地基承不住？
女	G0001	泡烂了。
男	G0002	北京爱数智慧语音采集
男	G0002	科学技术
男	G0002	这个，这个搅拌机你听说过木有。
男	G0002	那不是车，车的是搅，车是搅拌车，我说是搅拌机。
男	G0002	那肯定不一样嘞，那搅拌机咧是，是之前，然后和水泥嘞。
男	G0002	和水泥的机器，这个机器，然后和好的水泥，然后了他直接倒进这个搅拌车里边儿。
男	G0002	然后这车再拉到工地里边儿，他有个可长哩一个管儿。
男	G0002	这个管儿咧，然后了直接就就把它传输到你所用嘞，用嘞地方。
男	G0002	这是搅拌车。
男	G0002	哎对对对对，哎。
男	G0002	他那一种是搅拌站，搅拌站呢，他是有那个，有几几组，有几组然后组成的一个。
男	G0002	一个搅拌水泥的一个地方，他是需要两台，他需要两台搅拌机。
男	G0002	然后还有一个储存的一个水泥罐，然后还有个上料儿哩一个机器。
男	G0002	它，整个，它是一个组合，就像电脑一样，有显示器，有主机，有机箱，然后有C P U。
男	G0002	所以说它，它是一个组合，所以说它叫搅拌站，这个搅拌站呢，然后嘞。
男	G0002	在在专业术语里边叫商砼，它就是商业混商业用嘞一个混凝土。
男	G0002	它主要是这个用途，你听说过没有，对对对，商砼。
男	G0002	那肯定大了，一个搅拌，一个搅一套搅拌站，好几百万呢。
男	G0002	然后了一一台搅拌机是小的，搅拌机的型号就分的多了，你，你看俺，俺家原来不是做那个搅拌机的。
男	G0002	但是俺做的，俺家做的是小的，一个，呃，有三五零的。

End of preview. Expand in Data Studio

Corpus

This dataset is built from Magicdata ASR-CZDIACSC: A CHINESE ZHENGZHOU DIALECT CONVERSATIONAL SPEECH CORPUS

This corpus is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. Please refer to the license for further information.

Modifications: The audio is split in sentences based on the time span on the transcription file. Sentences that span less than 1 second is discarded. Topics of conversation is removed.

Usage

To load this dataset, use

from datasets import load_dataset
dialect_corpus = load_dataset("TingChen-ppmc/Zhengzhou_Dialect_Conversational_Speech_Corpus")

This dataset only has train split. To split out a test split, use

from datasets import load_dataset
train_split = load_dataset("TingChen-ppmc/Zhengzhou_Dialect_Conversational_Speech_Corpus", split="train")
# where test=0.5 denotes 0.5 of the dataset will be split to test split
corpus = train_split.train_test_split(test=0.5)

A sample data would be

# note this data is from the Nanchang Dialect corpus, the data format is shared
{'audio': 
    {'path': 'A0001_S001_0_G0001_0.WAV',
       'array': array([-0.00030518, -0.00039673, 
                     -0.00036621, ..., 	-0.00064087,
                      -0.00015259, -0.00042725]),
       'sampling_rate': 16000},
 'gender': '女',
 'speaker_id': 'G0001',
 'transcription': '北京爱数智慧语音采集'
}