教育・語学分野向け朗読音声データセットの提供を開始しました

日本語・1話者・教育・語学テーマの朗読音声データセットが登場

Visual Bank株式会社は、傘下のアマナイメージズを通じて、AI開発に役立つ新しいデータソリューション「Qlean Dataset」の一環として、「日本語・1話者・教育・語学テーマの朗読音声コーパスとトランスクリプト」を発表しました。このデータセットは、教育や語学に関連する教材を中心に、日本語の朗読音声とその文字起こしを提供します。ことに、ASR（自動音声認識）やNLP（自然言語処理）、LLM（大規模言語モデル）など、音声・言語系AIの開発に力を貸してくれる内容となっています。

データセットの構成と特徴

この朗読音声コーパスは、日本人話者による連続した読み上げ形式で収録されています。これにより、発音や速度にばらつきがなく、文脈が明瞭に保たれるため、教育的目的に最適です。また、説明的かつ定義を多く含む文体である点も特徴です。この特性は、音声認識精度評価や教育ドメインにおける言語モデルの適応度検証に役立ちます。

具体的には、音声データはmp3形式で、テキストデータはtxt、csv、json形式で提供されます。それぞれの収録時間は、30秒から最大で60分までの幅広さを持ち、44.1kHzまたは48kHzのサンプリングレートで構成されています。

利用ケース

研究用途

データセットは教育分野におけるASRモデルの精度評価に利用でき、例えば、説明的な朗読音声を用いることで、発話に対する認識精度を測定できます。また、一般的な会話と比較することで、文体の違いがどのように認識性能にも影響を与えるかを明らかにすることが可能です。

産業用途

eラーニングやオンライン講義においては、自動文字起こし機能の開発をサポートします。教材の朗読音声に基づく字幕生成の精度向上に寄与します。また、語学学習アプリでは、朗読音声を基に学習者の発音を評価し、フィードバックの質を向上させることが期待されます。

その他

公共の場でのアクセシビリティ向上ために、本データセットの音声と自動生成音声を比較し、より高品質な音声合成技術の開発に役立てることも可能です。

まとめ

Qlean Datasetは商用利用にも対応しており、この朗読音声データセットを通じて、AI開発や教育現場での新たな活用方法を提案します。データの権利も整理されているため、安心して利用できる環境が整っています。さらに、データパートナーとの連携を通じて、さまざまな業界ニーズに応じたデータラインナップの拡充が行われており、今後も注目です。

もっと詳しい情報は、Qlean Datasetの公式サイトをチェックしてみてください。