콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#주소 # 표현형주소 # 주소약어 # 음성인식 # 음성인식모델 # JASPER # 네비게이션 # 쇼핑몰 # 소방 # 경찰 # 출동신고 # 긴급신고 # 라벨프린터 # 노약자 # 장애인

주소 음성 데이터

주소 음성 데이터 아이콘 이미지
  • 분야한국어
  • 유형 오디오
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 6,218 다운로드 : 426 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 2023-12-08 데이터 최종 개방
    1.0 2023-07-31 데이터 개방(Beta Version)

    데이터 히스토리

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

    소개

    □ 표현형 주소 발화를 포함한 스크립트 기반 대화 음성 데이터 세트
    □ 주소 음성 인식 성능 개선을 위한 표현형 주소 데이터 세트 및 음성인식 AI모델 개발
    □ 총 500,000 건의 주소 음성 데이터 및 주소 동의어 DB 1,000 건 구축

    구축목적

    □ 전국 주소 비율과 도심 밀집도에 따라 전국 편향이 최소화 될 수 있도록 데이터를 설계해 다양한 산업군에서 폭넓게 활용할 수 있는 데이터를 구축하는 목적 
    □ 주소 라벨 프린터 우편. 편의점, 홈쇼핑 및 콜센터, 소방 및 경찰의 신속 출동 서비스 등 여러 서비스에 활용하기 위하여 주소 표현형 음성 데이터 구축하고 실제 주소와 매칭하여 데이터를 구축
  • 데이터 구축 규모

    데이터 구축 규모
    구분 데이터 형태 데이터 구축 규모 포맷
    주소 표현형 음성 데이터 음성 500,874 쌍 CSV, JSON
    주소 동의어 텍스트 1,100 건 JSON

     

    데이터 분포

    데이터 분포
    품질특성 분류  분포 데이터 건수 비율(%)
    다양성 발화자 성별 436,648 43.59%
    (통계) 565,116 56.41%
      발화자 연령 20~30대 651,132 65%
      40~50대 325,615 32.50%
      60대 이상 25,017 2.50%
      발화 상황 분포 공공 53,895 10.76%
      교통 88,959 17.76%
      안내 27,859 5.56%
      약속 85,504 17.07%
      일상 142,315 28.41%
      주문 102,350 20.43%
      발화자 출신 지역 분포 서울 507,056 50.62%
      경기 37,055 21.79%
      대구 77,828 9.64%
      그 외 지역 102,021 10.19%
    다양성 주소 발화 지역 수도권 267,222 53.35%
    (요건) 분포 광역시 133,735 26.70%
        그 외 지역 99,925 19.95%

     

    데이터분포 발화자 성별 비율 그래프

    데이터분포 발화자 연령 비율 그래프

    데이터분포 발화 상황 분포 그래프 데이터분포 발화자 출신 지역 분포 그래프
  • 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
    - 모델유형 : 음성인식 ASR (Automatic Speech Recognition)
    - 모델명 : JASPER
    - 2019년 NVIDIA(엔비디아)에서 발표한 음성인식 모델로, Non-Autoregressive 방식으로 Parallel하게 동작하여 다른 음성인식 모델 대비 빠른 추론이 가능

     

    데이터 세트 분류
    - 권장 학습 분류에 따라, 아래와 같이 세트를 분류함

    데이터 세트 분류
    구분 학습 Training 검증 Validation 시험 Test
    비중 80% 10% 10%
    내용 학습용 데이터 세트 학습 결과 평가 세트 모델 테스트 데이터 세트

     

    JASPER 아키텍쳐 이미지

     

                                           JASPER 아키텍쳐 

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 음성인식 Speech Recognition Jasper CER 15 % 7.79 %

    ※ 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 구축 규모 및 포맷

    데이터 구축 규모 및 포맷
    구분 공정 수량 (건) 포맷
    주소 표현형 음성 데이터 수집 552,822 WAV(16KHz)
    정제 500,874 WAV(16KㅇHz)
    가공 500,874 JSON
    검사 500,874 JSON
    주소 동의어 1,100 CSV, JSON

     

    어노테이션 포맷
    - 주소 표현형 음성 데이터

    어노테이션 포맷 - 주소 표현형 음성 데이터
    NO 속성명 속성 설명 Type 필수 예시
    1 Info 데이터셋 object -  
      1-1 description 데이터셋 이름 String Y v1.0
      1-2 file_name 파일명 String Y 1508_P54896010_A2103_A1102.wav
      1-3 date 수집 날짜 String Y 20220831
      1-4 situation 발화상황  String Y 일상
      1-5 environment 발화 환경정보 String - 이사
      1-6 audio_quality 오디오 음질 String   16khz
      1-7 local  실제 주소 지역 분류 String Y 그 외 지역
      1-8 region 실제 주소 세부 지역 String Y 전라북도
      1-9 lat 실제 주소에 대한 위도 String   35.465153
      1-10 lng 실제 주소에 대한 경도 String   127.485642
    2 Speakers 화자 목록 Array -  
      2-1 -   object    
        2-1-1 id 화자 아이디 String Y 1,233
        2-1-2 age 화자 연령 (1그룹/2그룹/3그룹 등) String Y 1그룹
        2-1-3 gender 화자 성별 (남, 여) String Y
        2-1-4 residence 화자 지역 (광역시) String Y 서울
    3 dialogs 전사 데이터 목록 Array -  
      3-1 -   object    
        3-1-1 speakerID 화자 아이디: speakers에 등록된 id String Y 1,2
        3-1-2 dialogID 발화 문장에 해당하는 id number Y 1,2
        3-1-3 text 발화 기준 한글 TEXT 데이터 String Y  
        3-1-4 textOrigin 표준어 전사 TEXT 데이터 String Y  
        3-1-5 ex_add 주소 표현형에 해당하는 전사 Text String - 전북대학교 전주캠퍼스 야외음악당
        3-1-6 startPoint 발화 음성 시간의 시작 number Y 5.453270833
        3-1-7 endPoint 발화 음성 시간의 끝 number Y 13.48522917
        3-1-8 originAddress 실제 주소 String - 전라북도 전주시 덕진구 금암동 백제대로 567

     

    - 주소 동의어

    어노테이션 포맷 - 주소 동의어
    NO 속성명 속성 설명 Type 필수 예시
    1 Info 데이터셋 object -  
      1-1 description 데이터셋 이름 String Y “주소동의어집합”
      1-2 addresstext 동의어 String Y “공유오피스”
    2 synonyms 동의어 리스트 list Y “공공오피스”, “공유사무실”

     

    폴더 및 파일명 구조

    폴더 및 파일명 구조
    폴더 원천/라벨링 데이터

     

    라벨링 예시

    라벨링 예시 - 주소 표현형 음성 발화 데이터
    주소 표현형 음성 발화 데이터 JSON
     
    라벨링 예시 - 주소 동의어 데이터
    주소 동의어 데이터 JSON

     

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜엠티
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    구균모 070-8806-6991 kmgu@mtdata.co.kr 사업총괄, 학습
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    한국우편사업진흥원 수집
    ㈜세명소프트 정제, 가공
    ㈜타임게이트 검사
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    구균모 070-8806-6991 kmgu@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.