콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#음성

중·노년층 한국어 방언 데이터(강원도, 경상도)

중·노년층 한국어 방언 데이터 (강원도, 경상도) 아이콘 이미지
  • 분야한국어
  • 유형 오디오 , 텍스트
구축년도 : 2022 갱신년월 : 2024-07 조회수 : 6,672 다운로드 : 585 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
    1.2 2024-07-02 원천데이터 수정
    1.1 2023-11-03 데이터 최종 개방
    1.0 2023-07-26 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-12-27 Sample 파일 추가 공개
    2023-12-15 산출물 전체 공개
    2023-11-30 데이터 통계 수정 데이터 구축 규모 수정

    소개

    강원도, 경상도 지역의 50대 이상 발화자가 발화한 따라말하기(정형), 질문답하기(비정형), 2인대화(비정형) 의 방언 발화 음성 데이터

    구축목적

    중노년층의 음성 특징과 지역별 방언 특징을 최대로 표출하여 다각적으로 활용 가능한 데이터를 구축하여 중노년층 방언 사용자의 음성인식률 상승 및 사멸 위기인 방언의 보존
  • ■ 데이터 통계
    □ 데이터 구축 규모

    ■ 데이터 통계□ 데이터 구축 규모
    지역 종류 데이터 형태 규모
    강원도 원천 데이터 .wav 801.4시간
    라벨링 데이터 .json 142,374건
    경상도 원천 데이터 .wav 1,202.9시간
    라벨링 데이터 .json 236,563건

     

    ■ 데이터 분포
    □ 발화 타입 비율

    ■ 데이터 분포□ 발화 타입 비율
    지역 종류 지역 비율 발화 타입 발화 건수(시간) 발화 타입 비율
    강원도 40% 따라말하기 240.1시간 30%
    질문답하기 400.3시간 50%
    2인대화 161.0시간 20%
    경상도 60% 따라말하기 360.7시간 30%
    질문답하기 601.2시간 50%
    2인대화 241.0시간 20%
    합계 100% - 2,004.3시간 -

     

    □ 성별 비율

    ■ 데이터 분포□ 성별 비율
    구분 강원도 경상도
    남성 28% 21%
    여성 72% 79%
    합계 100% 100%

     

    □ 연령대 비율

    ■ 데이터 분포□ 연령대 비율
    구분 강원도 경상도
    50대 21% 7%
    60대 51% 26%
    70대 22% 50%
    80대 6% 17%
    합계 100% 100%

     

    □ 거주기간 비율

    ■ 데이터 분포□ 거주기간 비율
    구분 강원도 경상도
    20~29년 20% 21%
    30~39년 18% 7%
    40~49년 20% 25%
    50~59년 18% 21%
    60~69년 20% 18%
    70~79년 4% 7%
    80~89년 0% 0%
    합계 100% 100%

     

    □ 학력 비율

    ■ 데이터 분포□ 학력 비율
    구분 강원도 경상도
    초졸이하 12% 32%
    중졸이하 14% 12%
    고졸이하 43% 21%
    대학원이하 32% 35%
    합계 100% 100%

     

    □ 건강상태 비율

    ■ 데이터 분포□ 건강상태 비율
    구분 강원도 경상도
    97% 96%
    치아손실 3% 3%
    조음장애 0% 0%
    치아손실, 조음장애 0% 0%
    합계 100% 100%

     

    □ 주제 비율

    ■ 데이터 분포□ 주제 비율
    구분 강원도 경상도
    가족 17% 15%
    자연 11% 12%
    건강 10% 9%
    11% 10%
    농경 10% 9%
    11% 10%
    12% 14%
    풍속 7% 11%
    응급상황 10% 11%
    합계 100% 100%
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    ■ 활용 모델
    □ 모델 학습
    - 감정분류 모델의 경우 Bert 모델 활용하며, 검증용 데이터와 시험용 데이터는 전체 데이터의 10%로 제한
    - 음성인식 모델의 경우 Conformer 모델 활용하며, 검증용 데이터와 시험용 데이터는 전체 데이터의 10%로 제한

    ■ 활용 모델□ 모델 학습
      학습(Train) 검증(Validation) 시험(Test)
    BERT MLM과 NSP를 위해 Transformer를 기반으로 구성되며, CNN 및 RNN을 사용하지 않고 self-attention 개념을 도입
    Conformer 광역 정보를 잘 표현할 수 있는 트랜스포머와 지역 정보를잘 표현할 수 있는 CNN을 결합한 신경망
    비율 80% 10% 10%
     
    학습 알고리즘 구조
    학습 알고리즘 구조
    Bert 구조 Conformer 구조
    Bert Conformer

     

    □ 서비스 활용 시나리오
     - 전국 각 시, 도 지역 방언 음성 인식 서비스
       AI 기반 서비스에 대한 접근성 향상
       AI 음성인식 기반 서비스의 품질 향상
     - 노인 대상 home AI 비서 서비스
       노인들의 고독사 예방과 같은 사회 문제 해별
       노인 복지 향상 기여
     - 온라인 심리상담, 고객상담 챗봇 서비스
       성능이 향상된 한국어 음성 인식 모델을 통한 중노년층의 편의성 향상
     - 음성 발화, 음성 인식 등 연구에 활용 가능
       음성 발화, 음성 인식 등 연구 지원 및 사멸 위기 언어 보존 연구

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 감정분류 Audio Classification BERT Accuracy 65 % 69.6 %
    2 음성인식 Speech Recognition Conformer CER 18 % 6.24 %
    3 음성인식 Speech Recognition Conformer sWER 35 % 12.52 %

    ※ 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 포맷

    ■ 데이터 포맷
    유형 예시 데이터 형식
    원천 데이터 원천 데이터 예시 이미지 .wav
     
    원천데이터 .wav 파일 목록
    라벨링 데이터 라벨링 데이터 json .json
     

     

    ■ 어노테이션 포맷

    ■ 어노테이션 포맷
    구분 속성명 타입 필수여부 설명 범위 비고
    1 fileName string Y 파일 이름   음성타입_세트번호_수집자ID_발화자ID_녹음번호_시간(초)
    2 speaker object Y 발화자 정보    
      2-1 speakerId string Y 발화자 ID   speaker[지역코드][일련번호]
    2-2 gender string Y 성별   여성, 남성
    2-3 birthYear number Y 출생년도 1932/1973 출생년도 4자리
    2-4 residenceProvince string Y 거주 도   gw :강원도 gs : 경상도
    2-5 residenceCity number Y 거주 읍/군/시   최솟값 :1
    최댓값: 129
    2-6 residencePeriod number Y 지역 거주 기간   거주년 수 
    2-7 job string Y 직업   ex) 농부
    2-8 academicBackground number Y 학력 01월 04일 1:초졸이하,2:중졸이하,3:고졸이하,4:대학원이하
    2-9 healthCondition number Y 건강상태 01월 04일 1:무 ,2:치아손실,
    3:조음장애,.4:치아손실, 조음장애
    3 collector object Y 수집자 정보    
      3-1 collectorId string Y 수집자 ID   collector[지역코드][일련번호 4자리]
    3-2 residenceProvince string Y 거주 도   gw :강원도 gs : 경상도
    3-3 residenceCity number Y 거주 읍/군/시   코드번호
    3-4 residencePeriod number Y 지역거주 기간   거주년 수 
    4 script object Y 수집자료 정보    
      4-1 scriptId number Y 문장번호   녹음시 제시된 문장 번호
    4-2 value string Y 발화유도 스크립트   따라말하기 문장, 질문 지시문
    4-3 domain string Y 수집문 주제 도메인   농경, 가족, 의,식,주, 자연, 건강, 풍속, 응급상황
    4-4 speechType string Y 발화유형   Read:정형(따라말하기),Speak:비정형(질문답하기/2인대화)
    5 audio object Y 오디오정보    
      5-1 speechStartTime string Y 음성 시작 시각   음성 시작 시각
    (HH:MM:SS)
    5-2 speechEndTime string Y 음성 종료 시각   음성 종료 시각
    (HH:MM:SS)
    5-3 recordDuration number Y 녹음 길이 1 녹음시간
    (Second)
    5-4 bitsPerSample number Y 오디오 비트레이트   비트레이트 수치(BPS)
    5-5 samplingFrequency number Y 샘플링주파수   주파수 수치(Hz)
    5-6 channel string Y 녹음 채널   녹음 채널 수
    5-7 recordDate string Y 녹음 일자   YYYYMMDD
    6 stt object Y 음성인식결과    
      6-1 recognizer string Y 음성인식기출처   음성인식프로그램명
    6-2 responseDate string Y 음성인식실행일   음성인식실행일자
    6-3 speakerIds array Y 발화자ID 목록 1 speaker[지역코드][일련번호]
    6-4 segments array Y 음성인식결과(부분)   어절단위 추정 음성구간
      6-4-1 orderInFile number Y 파일 내 순서 1 1부터 시작
    6-4-2 startTime string Y 음성인식대상오디오시작구간   음성인식대상오디오시작구간
    6-4-3 endTime string Y 음성인식대상오디오종료구간   음성인식대상오디오종료구간
    6-4-4 value string Y 음성인식결과 문자열   음성인식결과 문자열
    7 transcription object Y      
      7-1 pronunciation string Y 발음 전사문   발음 전사문
    7-2 dialect string Y 방언표기 전사문   방언표기 전사문
    7-3 standard string Y 표준표기치환문   표준표기치환문
    7-4 segments array Y 전사단위   전사단위(어절 또는 구)
      7-4-1 orderInFile number Y 파일 내 순서 1 1부터 시작
    7-4-2 startTime string Y 문장시작오디오구간   문장시작오디오구간
    7-4-3 endTime string Y 문장종료오디오구간   문장종료오디오구간
    7-4-4 voiceType string Y 발화유형(발화잡음, 발화)   발화유형(발화잡음, 발화)
    7-4-5 pronunciation string N 발음전사   발음전사
    7-4-6 dialect string Y 방언표기(표기전사)   방언표기(표기전사)
    7-4-7 standard string N 표준어 대응표현   표준어 대응표현
    7-5 sentences array Y      
      7-5-1 sentenceId number Y 문장번호 1 1부터 시작
    7-5-2 speakerId string Y 화자ID   speaker[지역코드][일련번호]
    7-5-3 startTime string Y 문장시작오디오구간   문장시작오디오구간
    7-5-4 endTime string Y 문장종료오디오구간   문장종료오디오구간
    7-5-5 pronunciation string Y 발음전사   발음전사
    7-5-6 dialect string Y 방언표기(표기전사)   방언표기(표기전사)
    7-5-7 standard string Y 표준어 대응표현   표준어 대응표현
    7-5-8 intonations array Y 억양    
    8 annotation object Y 주석(어노테이션)정보    
      8-1 standards array Y 표준어 대응표현    
      8-2 transcriptionBeginInFile number N 표준어대응표현주석시작위치(문자열오프셋)    
    8-3 transcriptionEndInFile number N 표준어대응표현주석끝위치(문자열오프셋)    
    8-4 value string N 표준어대응표현    
    8-2 intonations array Y 억양    
      8-2-1 transcriptionBeginInFile number N 억양주석시작위치(문자열오프셋)   억양주석시작위치(문자열오프셋)
    8-2-2 transcriptionEndInFile number N 억양주석끝위치(문자열오프셋)   억양주석끝위치(문자열오프셋)
    8-2-3 tagType string N 억양주석표지값   억양주석표지값
    8-3 transcriptionAnnotations array Y 전사주석   전사주석(간투사,반복,개인정보,청취불가,영어/숫자)
      8-3-1 transcriptionBeginInFile number N 전사주석시작위치(문자열오프셋)   전사주석시작위치(문자열오프셋)
    8-3-2 transcriptionEndInFile number N 전사주석끝위치(문자열오프셋)   전사주석끝위치(문자열오프셋)
    8-3-3 tagType string N 전사주석표지값   전사주석표지값
    8-4 intents array Y 발화의도    
      8-4-1 sentenceId number Y 문장번호 1 문장번호
    8-4-2 tagType string Y 의도주석표지값   의도주석표지값: 화자의견, 화자느낌, 사실묘사, 질문, 명령, 부탁/요청/제안, 기타
    8-5 emotions array Y 감정주석   감정주석
      8-5-1 sentenceId number Y 문장번호 1 문장번호
    8-5-2 tagType string Y 감정주석표지값   감정주석표지값
    8-6 grammarTypes array Y 문장유형    
      8-6-1 sentenceId number Y 문장번호 1  
    8-6-2 tagType string Y 문장유형주석표지값   문장유형주석표지값

     

    ■ 실제 예시

    실제 예시 1실제 예시 2실제 예시 3

    실제 예시 4실제 예시 5실제 예시 6

  • 데이터셋 구축 담당자

    수행기관(주관) : 엠티데이타
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    최상봉 070-4294-8810 sbchoi@mtdata.co.kr 음성 수집, 데이터 정제
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜디그랩 가공_전사
    ㈜브이티더블유 품질검사
    ㈜스타셀 음성인식 학습_AI 모델
    ㈜올림커뮤니케이션즈 감정분류 학습_AI 모델
    연세대학교 산학협력단 가공_주석
    혁신과 미래 사회적 협동조합 크라우드 워커 관리
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    최상봉 070-4294-8810 sbchoi@mtdata.co.kr
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.