AVS-H婴幼儿语料库

avsnest

人类婴儿由于出生时过于虚弱，不具备主动接近成人的行为能力，因此在9个月之前，其主要通过哭声吸引成人的注意，并向成人表达他的需求。婴幼儿语料库是按照一定采样标准采集的电子数据集合，随着大数据时代的到来，语音智能产品已经渗透到移动通信、智能家居、工业生产等很多领域。语音识别技术逐渐趋于成熟，然而，语音识别产品所依赖的语音数据价值变得更加显著，语料库成为重要的基础资源。独有核心技术，让AI更进一步。 本语料库采集了近十六万条语音。录音采集人来自中国大陆各地，录制人数300多人，录制家庭300多家，采取0-14个月跟踪家庭录制，男女比例均衡，音频总时长1275小时，采集方式为单麦设备。每条音频单独存储为一个文件，并由专业标注人员手工进行两级标注。所有标注数据都是全检后再交付，以保证交付数据的质量。

技术背景介绍

随着以深度神经网络为代表的人工智能技术的发展，新一轮的人机交互技术热潮正在兴起。在机器视觉领域，由于海量图像和视觉场景数据库的诞生，催生了人脸识别、姿态识别、自动驾驶、无人机等领域的技术革新。目前世界上已有的典型的大规模海量图像和视觉场景数据库包括，ImageNet、MSCOCO等业界知名的数据库。 在声音场景和声音事件的识别领域，技术的发展已经成熟，然而商业应用滞后于机器视觉领域的应用。在声音领域，目前世界上最著名的音频数据库包括：欧洲的DCASE（声音场景和事件数据库）和谷歌的Audio Set（包括各类层次结构化的音频分类数据）等。 在家庭环境领域，能够用来服务于AI应用的声音数据极为缺乏，本产品旨在填补这一空白，为全球的智能家庭环境的AI应用落地做出贡献。 声音场景（Acoustic Scene）指的是室内、室外、火车站、餐厅、看电影、听音乐等实际生活中人们的有声的生活场景，通过声音信号的识别来辨识这类场景，就是声音场景识别；声音事件（Acoustic Event）指的是根据短时声学特征，利用统计学习的建模方法，对不同的声源所关联的事件，进行类别的分类。例如，对哭声、咳嗽声、脚步声，能够通过声音频率特征的分布规律，进行实时的检测，发现家居环境中的突发性事件、婴幼儿的行为事件、家庭成员的异常活动等。

数据应用场景

【家庭环境婴幼儿声音场景和声音事件数据库】作为丰富的数据资源，可用于哭声及家庭环境声音频率和特征的分析学习，研究声环境及其同人类活动的相互作用，更好的满足了多种场景的人工智能研发数据支撑。也为婴幼儿智能产品的创新和研发，尤其为互联网行业、母婴行业、智能家居行业提供了更详细的数据和更全面的信息支持。

产品优势

l   领先的语音采集处理技术及专业标注团队； l   同时支持科研和教学； l   支持可视化操作； l   支持基于机器学习的智能分析； l   支持科研需求定制开发； l  人工校对、多层级语音数据标注；

数据规格

数据规格 符合 LDC（Linguistic Data Consortium）国际语义数据联盟推荐规范 采集内容 家庭环境婴幼儿声音场景和声音事件 音频参数 Wave PCM signed 16 bit，16000Hz，256kbps，单声 标注内容A 哭声 婴纯强哭 婴纯中哭 婴纯弱哭 婴混音哭 婴模糊哭 非婴哭 笑声 咳嗽声 喷嚏声 尖叫声 婴其他声 公共声音 标注内容B 婴儿声 纯人声 纯儿歌声 纯环境声 其它公共 采集设备 单麦设备 产品特点 0-14个月龄段录音，男、女标注 存储方式 文件格式 Lf0 二进制数据文件 文件时长 1275小时 数据脱敏 数据敏感项 无 脱敏操作 无 志愿者家庭隐私免责协议 有 产品应用 适用领域 声信号识别，声音事件分析，人工智能应用 版权归属 版权所有者 深圳声联网科技有限公司