-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-11-15 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-11-30 산출물 전체 공개 소개
언론에 보도된 뉴스기사, 각 분야(정치, 경제, 사회, 문화, 국제, 지역, 스포츠, IT과학)별 전직,현직 아나운서, 아나운서 교육생들이 뉴스를 보도하는 음성 데이터 1,132시간
구축목적
ㅇ 주어진 뉴스 대본 텍스트의 단락 및 테이블 대상 기계독해 기술 연구, 비정형 데이터 질의-응답, 대화형 시스템 등의 연구에 활용하기 위한 인공지능 학습용 데이터 구축 ㅇ 사실 관계 추론 및 웹 기반 질의 응답, 인공지능 스피커 등 뉴스 기사를 읽어주는 AI로봇, 비서 서비스 개발 등에 활용할 수 있는 인공지능 학습용 데이터 구축
-
메타데이터 구조표 데이터 영역 한국어 데이터 유형 오디오 데이터 형식 wav 데이터 출처 뉴스기사 라벨링 유형 전사(음성) 라벨링 형식 JSON 데이터 활용 서비스 가상 아나운서, 인공지능 스피커 데이터 구축년도/
데이터 구축량2022년/1,132시간 -
데이터 구축규모
음성 총 1,132 시간, 381,456건
구분 정치 경제 사회 문화 국제 지역 스포츠 IT과학 합계 구축 목표 비율% 15% 20% 10% 10% 10% 15% 10% 10% 100% 남성
50%목표
시간75:00:00 100:00:00 50:00:00 50:00:00 50:00:00 75:00:00 50:00:00 50:00:00 500:00:00 실적
시간78:04:47 101:15:00 53:52:12 53:27:21 53:30:29 91:29:55 54:26:33 51:51:34 537:57:51 목표대비
(%)104.11 101.25 107.74 106.91 107.02 122 108.89 103.72 107.59 여성
50%목표
시간75:00:00 100:00:00 50:00:00 50:00:00 50:00:00 75:00:00 50:00:00 50:00:00 500:00:00 실적
시간117:13:49 101:17:27 78:15:10 54:06:50 53:05:44 85:14:33 53:02:40 52:21:18 594:37:31 목표대비
(%)156.31 101.29 156.51 108.23 106.19 113.66 106.09 104.71 118.93 실적시간 합계 195:18:36 202:32:27 132:07:22 107:34:11 106:36:13 176:44:28 107:29:13 104:12:52 1132:03:22 데이터 구축규모 분포
- 방송사별 분포
방송사 SBS YTN KBS OBS MBC 합계 분포도 10.78% 67.40% 17.40% 1.59% 2.83% 100% 시간 121.61 762.61 197.49 18.45 31.85 1,132.01 
- 주제별 분포
주제 정치 경제 사회 문화 국제 지역 스포츠 IT과학 합계 분포도 17.24% 17.89% 11.67% 9.49% 9.40% 15.61% 9.50% 9.20% 100% 시간 195.19 202.51 132.13 107.46 106.37 176.69 107.49 104.2 1,132.04 
- 발화자 성별 음성시간 분포도
남성 여성 합계 분포도 47.48% 52.52% 100% 시간 537.47 594.55 1,132.02 
- 발화자 성별 화자수 분포도
남성 여성 합계 분포도 48.84% 51.16% 100% 화자수 42 44 86 
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- VITS 모델
VITS(Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech)는 GAN, VAE, Normalizing Flows와 같은 기술을 활용하는 End-to-End TTS 모델이다.
논문(https://arxiv.org/pdf/2106.06103.pdf)에 설명된 대로 MAS를 사용하여 텍스트-오디오 정렬을 학습한다. 모델 아키텍처는 GlowTTS 인코더와 HiFiGAN 보코더의 조합이다.
최근 몇 가지 end-to-end text-to-speech (TTS) 모델이 제안되었지만 샘플 품질이 2단계 TTS 시스템의 품질과 일치하지 않는다. 해당 논문에서 기존의 2단계 모델보다 더 자연스러운 음향을 생성하는 병렬 end-to-end TTS 방식을 제시한다.
입력 텍스트로부터 다양한 음성을 합성하기 위한 확률적 기간 예측기를 제안한다.
잠재 변수에 대한 불확실성 모델링과 확률론적 기간 예측자를 통해 우리의 방법은 텍스트 입력이 다른 피치와 리듬으로 여러 방식으로 말할 수 있는 자연스러운 일대다 관계를 표현한다.- 모델학습
모델학습을 위하여 발화자별 음성(원천데이터)과 텍스트(라벨링데이터)를 쌍으로 학습 데이터를 구성하여 학습을 진행. 데이터를 구축하며 학습진행을 하였기에 구축데이터 15%, 50%, 100% 시점에 증분학습을 진행
VITS 모델 구조
- 서비스 활용 시나리오
구축한 모델은 AI 고객센터, AI 스피커 , 오디오북, 가상 아나운서, AI 챗봇 등에 활용할 수 있음
본 과제의 교육 동영상에 나레이션을 해당 모델에서 나온 음성으로 동영상을 제작함 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 음성합성 품질 수치 Speech Recognition VITS MOS 3.4 점 4.27 점
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드원문데이터 포맷 예시
ID MBCIT069 METADATA 제목 [재택플러스] 좌우 위아래로‥늘어나는 스마트폰 URL https://imnews.imbc.com/replay/2022/nwtoday/article/6368921_35752.html 언론사 MBC 보도주제 IT과학 보도일자 20220516 키워드 폴더블폰,삼성,폴더블폰 시장,스마트폰,삼성전자,중국,슬라이더블폰,건 폴더블폰 시장,6.7인치 화면,스마트폰 사업 ◀ 앵커 ▶
재밌고 유용한 경제정보를 전해 드리는 재택플러스 시간입니다.
삼성전자가 주도하고 있는 폴더블폰 시장을 중국이 맹추격하고 있다는 소식 전해드렸는데요, 삼성이 또 한 걸음 더 나아가는 '초격차' 기술을 공개했습니다
◀ 리포트 ▶
삼성전자가 미국 캘리포니아에서 열린 국제정보디스플레이학회에서 공개한 시제품입니다.
6.7인치 화면을 위로 당기자 손톱 두세 마디만큼의 화면이 쑥 올라와 22대 9 화면 비율이 됩니다.
삼성은 8.1인치 화면을 가로로 당기면 12.4인치까지 확장되는 제품도 공개했습니다.
화면을 상하좌우로 늘릴 수 있는 이른바 '슬라이더블폰' 기술입니다.
LG전자가 야심차게 개발에 나섰지만 스마트폰 사업 철수로 빛을 보지 못했던 기술인데요, 삼성이 상용화에 한 걸음 더 다가선 겁니다.
지난해 S자 형태로 두 번 접는 폴더블폰을 선보였던 삼성이 슬라이더블폰까지 공개한 건 폴더블폰 시장의 경쟁이 갈수록 치열해지고 있기 때문입니다.
중국 비보는 지난달 첫 번째 폴더블폰인 'X폴드'를 상대적으로 저렴한 170만 원대에 출시했고, 화웨이도 아웃폴딩 방식의 메이트 Xs2를 내놓았습니다.
구글과 모토로라도 폴더블폰을 출시할 것으로 알려졌습니다.
지난해 710만대 수준이던 폴더블폰 시장은 2025년엔 2,760만대 규모로 성장할 전망입니다.
◀ 앵커 ▶
이번 기술이 앞으로 폴더블폰 시장에 또 어떤 변화의 물결을 가져올지 기대해 보겠습니다.데이터 구성
구분 속성명 타입 필수 속성설명 예시 1 script object Y 대본정보 1.1 id string Y 대본고유ID YTNPO001 1.2 url string N 기사URL주소 http://www.ytn.co.kr/_ln/0102_201803090031524138 1.3 title string Y 기사제목 성동조선 법정관리...STX는 자력생존 확정 1.4 press string Y 언론사 YTN 1.5 press_field string Y 보도분야 경제 1.6 press_date string Y 보도일자 20180309 1.7 index int Y 발화순번 1 1.8 text string Y 발화텍스트 수조 원의 공적자금이 들어간 중견 조선사인 성동조선해양이 결국 법정관리에 들어갔습니다. 1.9 sentence_type string Y 문장분류 작문형|요약형|완전직접인용형 1.1 keyword string Y 키워드 법정관리 2 speaker object Y 발화자정보 2.1 id String Y 고유발화자ID SPK001|SPK002|SPK003|SPK004.... 2.2 age String Y 연령 20대|30대|40대|50대|60대 2.3 sex String Y 성별 남성|여성 2.4 job String Y 직업 아나운서|아나운서준비생|전직아나운서 3 file_information object Y 파일정보 3.1 audio_format String Y 음성포맷 44000Hz 16bit PCM 3.2 utterance_start String Y 발화시작시간 0.428 3.3 utterance_end String Y 발화종료시간 8.192 3.4 audio_duration String Y 음원길이(초) 8.597 < JSON 포맷 >
실제예시
{ "script": {
"id": "MBCIT069",
"url":
"https://imnews.imbc.com/replay/2022/nwtoday/article/6368921_35752.html",
"title": "[재택플러스] 좌우 위아래로‥늘어나는 스마트폰",
"press": "MBC",
"press_field": "IT과학",
"press_date": "20220516",
"index": 1,
"text": "삼성전자가 주도하고 있는 폴더블폰 시장을 중국이 맹추격하고 있다는 소식 전해드렸는데요.",
"sentence_type": "작문형",
"keyword": "폴더블폰,삼성,폴더블폰 시장,스마트폰,삼성전자,중국,슬라이더블폰,건 폴더블폰 시장,6.7인치 화면,스마트폰 사업"
},
"speaker": {
"id": "SPK076",
"age": "30대",
"sex": "여성",
"job": "현직아나운서"
},
"file_information": {
"audio_format": "44100 Hz 16bit PCM",
"utterance_start": "0.407",
"utterance_end": "8.642",
"audio_duration": "9.048"
}
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜타임소프트
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 이성춘 02-2029-5060 choon@timesoft.co.kr 실무책임자 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜케이엘큐브 데이터 수집 ㈜코난테크놀로지 데이터 가공 ㈜에이스솔루션 데이터 검수 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 이성춘 02-2029-5060 choon@timesoft.co.kr
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.