数据集描述

1总时长 41.25 小时，包含 40,913 条语音，平均语句长度 3.52 秒

2397 位 3 至 5 岁儿童说话人，性别分布均衡

3说话人来自中国 22 个省级行政区，覆盖 34 个省级行政区中的 22 个

4口音分为重(H)、中(M)、轻(L)三级，约 95.97%的说话人为轻口音

5录音设备为智能手机（216 台 Android 和 181 台 iPhone），录音环境为安静室内

6音频格式为 WAV PCM，16kHz 采样率，16 位精度

7采用字符级人工转写，由专业转写人员完成

8数据采集场景为对话式自然交流，家长在场提供情感支持

9划分为训练集（317 人，33.35 小时）、验证集（39 人，3.78 小时）和测试集（41 人，4.12 小时），说话人无重叠

语种明细

语言名称	时长
普通话	41.25 hours

发布单位

南开大学计算机学院北京智源人工智能研究院

ChildMandarin