회의 음성

회의 음성

데이터셋명 회의 음성
데이터 분야 음성/자연어 데이터 유형 텍스트, 오디오
구축기관 티맥스소프트 데이터 관련 문의처 담당자명 이강희(티맥스소프트)
가공기관 티맥스소프트, 한국에듀테크산업협회 전화번호 031-8018-1814
검수기관 나무기술 이메일 kanghee_lee@tmax.co.kr
구축 데이터량 432만 구축년도 2020년
버전 1.1 최종수정일자 2021.09.09
소개 한국어로 된 회의영상/음성을 인식하여 자동으로 자막을 생성해주고, 내용을 이해하는 한국어 회의 음성 데이터
주요 키워드 한국어 음성 DB, 한국어 음성언어처리 기술, 자동 자막 생성, 음성 품질, 명료도, 대화 주제, 저작권
저작권 및 이용정책 본 데이터는 과학기술정보통신부가 주관하고 한국지능정보사회진흥원이 지원하는 '인공지능 학습용 데이터 구축사업'으로 구축된 데이터입니다. [데이터 이용정책 상세보기]
데이터설명서 자료보기 구축활용가이드 자료보기
샘플데이터 다운로드 교육활용동영상 영상보기
저작도구 다운로드 AI모델 다운로드
데이터 변경이력
버전 일자 변경내용 비고
1.1 2021.09.09 데이터 품질 보완  
1.0 2021.06.25 데이터 최초 개방  
구축 목적
  • 한국인의 음성을 문자로 바꾸어 주고, 문맥을 이해하는 한국어 음성 언어처리 기술 개발을 위한 AI 학습용 한국어 음성 DB를 구축
  • 한국어로 된 회의 영상/음성을 인식하여 자동으로 자막/회의록을 생성해주고, 내용을 이해하는 서비스를 위한 한국어 회의 음성 DB를 구축
활용 분야
  • 연구분야: 음성인식, 음성언어처리, 자연어처리, 한국어 음성언어연구, 신호처리 등
  • 산업분야: 온/오프라인 기반의 음성인식, 회의 대화록 자동생성
소개
회의 음성 소개 이미지

 

  • 8가지 주제별 다양한 한국어 회의 음성으로부터 음성의 내용을 전사하고 검증한 한국어 회의 음성 AI 데이터셋으로, 다양한 음성의 재사용에 제한이 없도록 저작권 문제를 완전히 해결한 원천 데이터를 확보
구축 내용 및 제공 데이터량
구축 내용 및 제공 데이터량
구분 회의 음성 데이터
시간(hr) 3,000
데이터 선정 기준 교육, 문화예술, 가족 (400시간 X 3개분야 = 1,200시간)
교양, 시사 (550시간 X 2개분야 = 1,100시간)
토크 300시간
금융, IT (200시간 X 2개분야 = 400시간)
수집항목 회의(토론/토크) 음성, 장르, 발화자 성별, 회의정보(방송날짜) 등
대표도면
데이터 대표 도면 이미지

 

필요성
  • 최근 AI를 활용한 음성인식 기술이 인공지능 비서를 포함한 다양한 서비스에 적용되고 있음
  • 하지만 AI 음성인식 모델이 회의 음성 데이터로 학습이 이루어지지 않을 경우, 회의에서 발생하는 다양한 노이즈 및 화자 간 목소리가 겹치는 등의 문제로 음성인식 성능이 떨어지는 경향을 보임
  • 회의 데이터는 회의 참여자 간의 민감한 정보를 다루는 경우가 많아 외부 유출이 가능한 경우가 드물어 데이터셋 구축에 어려움이 있음
데이터 구조
데이터 구조
ID 항목 타입
키 명 키 설명
  dataSet 데이터셋 Dict
1 version 데이터셋 버전 String
3 date 녹취된 날짜 String
4 typeInfo 음원 데이터 상세 정보 Dict
  4-1 category 음원 카테고리 정보 String
  4-2 subcategory 음원 서브카테고리 String
  4-3 place 음원 녹취 장소 String
  4-4 speakers 화자 목록 List
    4-3-1 id 화자 아이디 String
4-3-1 age 나이대: 20대, 30대, 50대(추정), null(알수없음) 등
    4-3-2 gender 화자 성별: 남, 여 String
4-3-2 residence 거주지역: 서울, 대전, 부산, 광주, null(알수없음) 등
  4-5 inputType 입력형식:
방송, 유선, 모바일, 인터넷 등
List
5 dialogs 전사 데이터 목록:
묵음 기준으로 나누어진 발화 단위로 생성
List
  5-1 speaker 화자 아이디: speakers에 등록된 id String
  5-2 audioPath 발화 단위 RAW 데이터 경로 String
  5-3 textPath 발화 단위 TEXT 데이터 경로 String
데이터셋 구축 담당자
수행기관(주관) : 티맥스소프트
수행기관(주관) 표
책임자명 전화번호 대표이메일 담당업무
임성민 031-8018-1821 seongmin_lim@tmax.co.kr · 데이터구축 총괄
· 데이터 수집
· 데이터 정제
· 데이터 가공
· AI모델개발
· 응용서비스 개발

 

수행기관(참여)
수행기관(참여) 표
기관명 담당업무 기관명 담당업무
㈜아이스크림에듀 · 데이터 수집
· 데이터 정제
· 데이터 가공
(사)한국에듀테크산업협회 · 데이터 수집
· 데이터 정제
· 데이터 가공
나무기술(주) · 품질검증