ChildMandarin – 智源联合南开开源的低幼儿童中文语音数据集

baidu09_com 2025-08-28 4 0

ChildMandarin 是智源研究院联合南开大学计算机学院人类语言技术实验室（HLT Lab）共同推出的，针对3-5岁儿童的普通话语音数据集。数据集包含41.25小时的语音数据，来自397名儿童，覆盖中国22个省级行政区，性别分布均衡。数据用智能手机录制，确保高质量音频。ChildMandarin核心特点是自然真实交互，用家长引导式对话采集方式，模拟自然交流场景。数据集填补了低幼儿童语音研究的空白，推动儿童语音识别、语言发展研究及智能语音交互系统的发展。