AI 데이터지원

데이터셋 명

• 비대면 진료를 위한 의료진 및 환자 음성 가공 데이터

데이터셋 구축 목적

• 의료진과 환자의 음성 발화 데이터로부터 음성 인식 모델 훈련에 필요한 데이터 형태로 가공 일반인들이 손쉽게 사용할 수 있도록 전처리 및 정제 작업을 수행하여 데이터를 공급
   

데이터셋 상세 설명

• 비대면 의사, 간호사, 환자의 병원에서의 음성 발화 데이터,
   
• 데이터셋 파일 사이즈
  • 음성인식 훈련용 스크립트 파일: 131M,
  • Fbank80d 특징벡터: 135G
• 데이터셋 건 수
  • 훈련음성 오디오 파일수: 1,130,810
  • Validation 오디오 파일수:  141,820
• 데이터셋 수집 기간
  • AIHub home으로 다운받아서 음성인식용 표준 포맷으로 데이터 가공 및 스크립트 가공 
  • 2023년 2월1일 ~ 2월 28일
• 가공데이터 포맷
  • 원본 wav
  • 가공 오디오 포맷: 16 kHz, 16bits, Mono 
  • 텍스트 스크립트: tx.

데이터셋 활용 분야

• 비대면 의료 서비스에 사용할 수 있는 음성인식용 음성 데이터 
• 한국어 인식에 최적화된 tokenizer 모델 (sentencepiece)
   

데이터셋 활용 성과

• MAGO-S2T-V1.0 에 적용
• 비대면 상담분야 음성인식 성능: 97%
• 치매/우울 선별용 데이터셋에 모델 적용 후 치매/우울 태킹 데이터 생성 등
   

데이터셋 구조

• 메타 정보
  • {
        "dataset_name": "AIHubAudio",
        "label_type": "1",
        "number_of_utterances": 1130809,
        "total_duration": 4031949,
        "total_duration_hms": "1119h 59m 9s",
        "mean_duration": 3.566,
        "std_of_durations": 1.644,
        "max_duration": 57.66,
        "min_duration": 0.48
    }
     
• 라벨 구성 요소

• 데이터 예시
  • id      audio   n_frames        tgt_text        speaker
    HA_0010-1-01-02-M-04-A  /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:14927361377:105088    328     집안에 고혈압인 분 있나요?      HA_0010
    HA_0010-10-01-02-M-04-A /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:50682695427:97408     304     술을 얼마나 자주 드시나요?      HA_0010
    HA_0010-100-01-02-M-04-A        /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:113509012760:85888    268     머리가 핑도는 느낌이 있으신가요?        HA_0010
    HA_0010-101-01-02-M-04-A        /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:95072303148:76288     238     심장이 두근거리시나요?  HA_0010
    HA_0010-102-01-02-M-04-A        /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:76183265537:57088     178     간염 있을까요?  HA_0010
    HA_0010-103-01-02-M-04-A        /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:49021471028:68608     214     과거 병력을 알고 싶어요.        HA_0010
    HA_0010-104-01-02-M-04-A        /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:64777022295:78208     244     소변에 피가 같이 나온 적이 있을까요?    HA_0010
    HA_0010-105-01-02-M-04-A        /home/galois/.mago/datawarehouse/audio/KmedicalSpeech/KmedicalSpeech_fbanks80.zip:117842559836:76288    238     당뇨는 언제 진단받으셨나요?     HA_0010