-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-01-13 원천데이터 수정 1.0 2022-07-28 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-20 신규 샘플데이터 개방 2022-07-28 콘텐츠 최초 등록 소개
외국어가 모국어인 화자의 한국어 음성 데이터로, 주어진 대본 내용을 읽은 음성과 주어진 질문에 자유롭게 답변한 음성과 각 음성에 대한 전사 결과를 포함한 메타데이터로 구성
구축목적
외국어가 모국어인 화자의 한국어 음성 발화 데이터를 구축하여 인공지능의 외국인 한국어 음성 발화 인식률을 향상하고, 국내 거주 외국인들이 차별 없이 다양한 인공지능 서비스를 이용할 수 있는 기술적 기반을 마련
-
메타데이터 구조표 데이터 영역 한국어 데이터 유형 오디오 데이터 형식 wav 데이터 출처 자체 수집 라벨링 유형 전사(음성) 라벨링 형식 JSON, CSV 데이터 활용 서비스 음성 인식 서비스 데이터 구축년도/
데이터 구축량2021년/4,302 시간 -
1. 데이터 구축 규모
2. 데이터 분포
- 언어분류별 분포 : 베트남어, 영어, 일본어, 중국어, 태국어, 기타 음성 녹음 시간
- 세트별 분포 : 한국일반, 한국생활I, 한국생활II, 한국문화I, 한국문화II 음성 녹음 시간
- 유형별 분포 : 대본읽기, 질문에 답변하기 음성 녹음 시간
2–1. 언어분류별 분포
2–2. 세트별 분포
2–3 유형별 분포
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 활용 모델
- 음성인식 모델 학습을 위해 구축한 400시간의 음성 데이터 중 360시간을 사용을 제안함
- 학습 데이터의 5%를 각각 검증 데이터와 시험 데이터로 준비하여 유효성 검증을 제안함
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 음성인식 (상) Speech Recognition TDNN, TDNN-F CER 30 % 8.88 % 2 음성인식 (중) Speech Recognition TDNN, TDNN-F CER 40 % 9.9 % 3 음성인식 (하) Speech Recognition TDNN, TDNN-F CER 50 % 9.6 % 4 음성인식 (상) Speech Recognition TDNN, TDNN-F WER 50 % 24.47 % 5 음성인식 (중) Speech Recognition TDNN, TDNN-F WER 60 % 26.51 % 6 음성인식 (하) Speech Recognition TDNN, TDNN-F WER 70 % 26.38 %
※ 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)
-
데이터셋 구축 담당자
수행기관(주관) : ㈜ 씨에스리
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 윤희우 070-4756-4580 [email protected] · 사업관리 및 전체 공정 관리 수행기관(참여)
수행기관(참여) 기관명 담당업무 세종대학교 · 데이터 설계 및 수집 관리 이화여자대학교 · 데이터 설계 및 수집 관리 드림비트 · 데이터 정제 및 가공 디그랩 · 데이터 가공 액션파워 · 학습모델 구현
-
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] [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 [email protected] 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.