문장 단위로 정렬된 영어-베트남어 발화로 구성된 병렬 음성 데이터셋입니다. 광고·마케팅 도메인의 실사용
문장을 원어민이 녹음하고, 음성-텍스트 강제 정렬(forced alignment)로 문장 단위 매핑을
완료한 고품질 데이터셋입니다.
| ID | Source Text (EN) | Source Audio | Target Text (VI) | Target Audio |
|---|---|---|---|---|
| 1 | I would like to share the interim results of the ongoing marketing campaign. | en_1.wav | Tôi muốn chia sẻ kết quả sơ bộ của chiến dịch tiếp thị đang diễn ra. | vi_1.wav |
| 2 | We are seeing positive signs, with website visitors increasing by about 20% compared to last week. | en_2.wav | Chúng tôi đang thấy những tín hiệu tích cực, với lượng khách truy cập trang web tăng khoảng 20% so với tuần trước. | vi_2.wav |
| 3 | However, the final purchase conversion rate for new sign-ups is slightly lower than expected. | en_3.wav | Tuy nhiên, tỷ lệ chuyển đổi mua hàng thành công của những người đăng ký mới thấp hơn một chút so với dự kiến. | vi_3.wav |
광고·마케팅 도메인의 실사용 텍스트 코퍼스를 수집하고, 평균 발화 길이가 약 10초에 해당하는 문장을 선별합니다. 중복 제거 및 비표준 표현 필터링을 거쳐 최종 녹음 목록을 확정합니다. 각 발화는 최소 2회 녹음 후 최적 테이크를 채택합니다.
Forced alignment 알고리즘으로 음성-텍스트를 문장 단위로 정렬하고, 원어민 검수자 1차, expert-level
annotator 2차 교차검수를 거칩니다. 정렬 오류·오탈자·발음 불일치 항목은 반려 후 재작업되며, 정렬 정확도
99%를 달성한 레코드만 최종 데이터셋에 포함합니다.