客語語音辨識資料庫

說明 (introduction)

本資料庫為客語朗讀語料（reading speech），是以原生客語文本，收集來自臺灣各地不同腔調的客語語音，並同時以 8 隻麥克風進行錄製。 錄好的客語語音，經由兩次人工校正文本後，整理成可供語音辨認技術研究與開發使用之語音語料庫。目前共錄製 81 人，每位語者錄製 30 至 120 分鐘，總計 150 小時語料 (8 tracks)。

• 上列語料庫申請人需向客委會提出申請，簽妥授權使用協議書，並同意確實遵守協議書上之約定條款。

麥克風（microphones）

• iPhone
• Android 手機
• 電容式
• PC
• 領夾式（lavalier）
• 視訊攝影機
• 遠距離-左聲道
• 遠距離-右聲道

音檔（wav）格式

• 取樣格式： 16kHz，16 bits PCM
• 音檔格式： *.wav

JSON檔（metadata）格式

{ "音檔長度": "00:10", "客語漢字": "外背个狗緊吠，當像有人來樣。", "客語拼音": "ngo33 boi11 gai11 gieu24 gin24 poi33 ， dong53 ciong11 rhiu53 ngin55 loi55 rhong33 。", "華語字": "外面狗一直吠，好像有人來的樣子。", "提示卡編號": "G1053", "音檔編號": "18", "發音員編號": "HM302", "性別": "男性", "年齡": "45", "身分別": "一般民眾", "現居地": "新竹縣竹北市", "18歲前居住地": "新竹縣新埔鎮", "教育程度": "研究所", "錄音腔調": "海陸腔", "語言背景": "海四腔", "錄音環境": "一般辦公室", "流暢度": "普通" }