数据集介绍

在教育培训行业，随着在线教育和数字化课堂的蓬勃发展，海量的语音讲解内容需要被高效管理和分析，这是当前面临的一大挑战。现有的音频内容分类方法通常依赖于手动标记和分析，效率低且容易出现偏差。该数据集旨在提供高质量的语音数据，解决语音内容自动分类及分析的技术难题，满足精准教育内容分发和智能学习辅助的业务需求。数据采集利用高灵敏度麦克风和专业录音设备，在真实课堂环境中进行录制。为保证语音数据的高质量，采用多轮标注和一致性检查的方法，标注团队包括语言学专家和教育专家，规模达20人。数据预处理包括噪声消除、语音分段及特征提取，存储于WAV格式中，结合JSON文件记录标注信息及元数据。