湘普方言语音数据集采集+标注

【方言类型】：湘普 文本标注规范： 【需求时常】：500小时 【准确率要求】：字错误率必须严格控制在<3% 【转写标准统一性】：必须在项目启动前明确界定转写形式：“方言逐字转写” 或“普通话书面语形式”。 【严禁混用】：同一数据集内不得出现两种标准混杂的情况。 【特殊方言处理】：对于粤语、闽南话等存在大量特有方言词汇的口音（如广普、新马腔中可能夹杂的方言词）。 【元数据标签】：每条数据必须包含精确的文本转录内容。 音频质量与格式： 【噪声控制】： ● 无严重背景底噪。 ● 无回声、串音。 ● 无失真、剪辑断裂、爆音等异常现象。 【技术参数】： ● 采样率：≥16kHz ● 位深：≥16bit ● 格式：WAV 说话人分布要求： 【说话人数量】：每种口音类型的独立说话人数量必须> 500 人。 ● 注：避免少数人录制大量数据导致的过拟合风险，确保说话人多样性。 ● 性别比例：男女不限 :1（允许±5% 的浮动）。 数据来源优先级： 为确保数据的自然度和多样性，数据采集来源需遵循以下优先级顺序：自然对话数据> 朗读数据> 网络音视频爬取数据 其他： 除基础文本外，每条数据必须具备以下结构化标签： 细分地域标签：必须精确到城市或地区，示例：口音：广普 ，城市：广州； 验收标准： 【指标达成】： ● 准确率≥97% ● 音质不合格（有严重噪点、断句）的数据占比不得超过2%。 【标签完整性】：缺失城市标签或口音分类错误的数据需全部返工。