콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#한국어강의 # 강의자막 # 음성인식 # 자연어처리

한국어 대학 강의 데이터

한국어 대학 강의 데이터 아이콘 이미지
  • 분야한국어
  • 유형 오디오 , 텍스트
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 16,024 다운로드 : 473 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-12-29 데이터 수정 개방 분할압축
    1.0 2023-07-31 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-12-29 산출물 전체 공개

    소개

    한국어 강의 영상 및 음성을 인식하여 자막 생성 등의 서비스를 위한 인공지능 학습용 한국어 대학 강의 분야 음성데이터 구축

    구축목적

    (연구)음성인식, 음성언어처리, 자연어처리, 한국어 음성언어연구, 신호처리 등
    (산업)온/오프라인 기반의 음성인식, 강의 자동 자막생성시, AI 로봇, 언택스 교육 솔루션 등
    한국어 대학강의: 4,800시간 음성데이터 구축
  •  - 형식: WAV
     - 규모 및 분포

    데이터 통계- 규모 및 분포
    구분 대분류 수량(건) 비율(%)
    원천데이터 인문 338,392 16
    (WAV) 사회 398,362 19
      교육 325,101 15
      공학 441,022 21
      예체능 324,976 15
      교양 292,979 14
      총계 2,120,832 100

     

    ○ 라벨링데이터
     - 형식: JSON
     - 규모 및 분포

    라벨링데이터
    구분 대분류 수량(건) 비율(%)
    원천데이터 인문 338,392 16
    (WAV) 사회 398,362 19
      교육 325,101 15
      공학 441,022 21
      예체능 324,976 15
      교양 292,979 14
      총계 2,120,832 100

     

     

  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    모델 학습

    - 한국어 대학강의 음성인식을 기반으로 하는 연구개발에 활용가능한 학습모델 설계

    - 음성인식 모델 : Conformer

    - 성능 지표: character error rate (CER)

    - 학습조건 : espnet toolkit, 70000000 batch bins, 30 epoch, 0.0005 learning rate, optim adam

    - 학습데이터: 한국어 대학강의 데이터 6종 카테고리 80% 분량

    - 음성인식 성능: CER 10% 이하

     

     

    응용(시범)서비스 예시

    - 온라인 강의 중 실시간 음성인식으로 전사된 텍스트 자막 제공 서비스

    - 비대면 강의 산업 및 서비스

     
  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 음성인식 성능 Speech Recognition Conformer CER 10 % 9.4 %

    ※ 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 다운로드

    데이터 구성

     
    데이터 구성
    경로 구분 정보 구분자 정보
    1차 경로 대분류 인문:hum
    사회:soc
    교육:edu
    공학:eng
    예체능:art
    교양:gen
    2차 경로 중분류 언어문학:lang
    인문과학:huma
    경영경제:econ
    사회과학:soci
    중등교육:midd
    유아교육:chil
    특수교육:spec
    컴퓨터통신:comp
    건축:arch
    전기전자:elec
    디자인:desi
    무용체육:pysi
    기초:basi
    학구:adva

    어노테이션 포맷

    어노테이션 포맷
    구분 속성명 타입 필수여부 설명 범위
    1 01_dataset Object   데이터셋 라벨 정보  
      1-1 1_identifier String Y 데이터셋 식별자 2022-2-16-137
    1-2 2_name String Y 데이터셋 명 한국어 대학 강의 데이터
    1-3 3_src_path String Y 데이터셋 폴더 위치  
    1-4 4_label_path String Y 데이터셋 레이블 폴더 위치  
    1-5 5_category String Y 대분류  
    1-6 6_type String Y 데이터셋 타입 음성
    1-7 7_copyright String Y 저작권 여부 Y: 해결 N: 미해결
    1-8 8_src_length Number Y 3차 경로 길이 합계  
    1-9 9_speech_length String Y 파일 길이  
    2 02_srcinfo Object   강의 라벨  
      2-1 1_id String Y 강의 ID  
    2-2 2_title String N 강의 제목  
    2-3 3_video_duration String N 강의 재생시간 0 이상
    2-4 4_langauge String N 강의 언어 한국어
    3 03_lectureinfo Object   강의정보  
      3-1 1_city String Y 발화자출신지역  
    3-2 2_university_type String Y 대학 종류  
    3-3 3_major_category String Y 중분류  
    3-4 4_department String N 학과  
    3-5 5_collection_type String Y 강의 분류 화상회의 온라인강의/
    현장녹화 온라인 강의/
    현장녹화 대면강의
    3-6 6_subject String N 강의 주제  
    3-7 7_date String N 강의 날짜 연도
    3-8 8_summary String N 강의 요약  
    5 05_speakerinfo Object   화자정보  
      5-1 1_id String Y 아이디  
      5-2 2_gender String Y 성별 남성, 여성
      5-3 3_age String Y 연령대 20대, 30대, 40대, 50대 이상
      5-4 4_role String Y 역할 강사, 학생
      5-5 5_dialect String Y 사투리 유무 Y:유, N:무
    6 06_transcription object choice    전사 텍스트 라벨 정보  
      6-1 1_text String Y 전사 텍스트 문장  
      6-2 2_entity Object N 전문용어 전문용어 정보
          1_word string N 전문용어명칭  
          2_desc string N 전문용어설명
     

    실제 예시

    {   "01_dataset" : {
          "1_identifier" : "2022-2-16-137",
          "2_name" : "한국어 대학 강의 데이터",
          "3_src_path" : "source/art/pysi/C00061/U00130.wav",
          "4_label_path" : "labels/art/pysi/C00061/U00130.json",
          "5_category" : "art",
          "6_type" : "음성",
          "7_copyright" : "Y",
          "8_src_length" : 1515.03,
          "9_speech_length" : "3.2143125"
       },
       "02_srcinfo" : {
          "1_id" : "C00061"
       },
       "03_lectureinfo" : {
          "1_city" : "표준어",
          "2_university_type" : "4년제",
          "3_major_category" : "pysi",
          "5_collection_type" : "현장녹화 온라인 강의"
       },
       "05_speakerinfo" : {
          "1_id" : "S00290",
          "2_gender" : "M",
          "3_age" : "50대이상",
          "4_role" : "강사",
          "5_dialect" : "표준어"
       },
       "06_transcription" : {
          "1_text" : "자 2교시 마치겠습니다."
       }
    }
     

     

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜스피치랩스
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    오유리 speechlabs.korea@gmail.com 총괄책임
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    문화체육진흥원 수집, 품질관리(통합)
    인트리 정제, 가공
    쿠버릭스 정제, 가공
    바토너스 비식별
    알엠소프트 검수
    스피치랩스 모델링, 품질관리(통합)
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    오유리 speechlabs.korea@gmail.com
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
    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.