We Use Cookies!!!
We use cookies to ensure that we give you the best experience on our website. Read cookies policies.
The audio dataset consist of general conversations between native Gujarati people from India along with metadata and transcription.
Unscripted General Conversations
60 Speech Hours
July 2023
80
Welcome to the Gujarati Language General Conversation Speech Dataset, a comprehensive and diverse collection of voice data specifically curated to advance the development of Gujarati language speech recognition models, with a particular focus on Indian accents and dialects.
With high-quality audio recordings, detailed metadata, and accurate transcriptions, it empowers researchers and developers to enhance natural language processing, conversational AI, and Generative Voice AI algorithms. Moreover, it facilitates the creation of sophisticated voice assistants and voice bots tailored to the unique linguistic nuances found in the Gujarati language spoken in India.
Speech Data:
This training dataset comprises 50 hours of audio recordings covering a wide range of topics and scenarios, ensuring robustness and accuracy in speech technology applications. To achieve this, we collaborated with a diverse network of 70 native Gujarati speakers from different part of Gujarat. This collaborative effort guarantees a balanced representation of Indian accents, dialects, and demographics, reducing biases and promoting inclusivity.
Each audio recording captures the essence of spontaneous, unscripted conversations between two individuals, with an average duration ranging from 15 to 60 minutes. The speech data is available in WAV format, with stereo channel files having a bit depth of 16 bits and a sample rate of 8 kHz. The recording environment is generally quiet, without background noise and echo.
Metadata:
In addition to the audio recordings, our dataset provides comprehensive metadata for each participant. This metadata includes the participant's age, gender, country, state, and dialect. Furthermore, additional metadata such as recording device detail, topic of recording, bit depth, and sample rate will be provided.
The metadata serves as a valuable tool for understanding and characterizing the data, facilitating informed decision-making in the development of Gujarati language speech recognition models.
Transcription:
This dataset provides a manual verbatim transcription of each audio file to enhance your workflow efficiency. The transcriptions are available in JSON format. The transcriptions capture speaker-wise transcription with time-coded segmentation along with non-speech labels and tags.
Our goal is to expedite the deployment of Gujarati language conversational AI and NLP models by offering ready-to-use transcriptions, ultimately saving valuable time and resources in the development process.
Updates and Customization:
We understand the importance of collecting data in various environments to build robust ASR models. Therefore, our voice dataset is regularly updated with new audio data captured in diverse real-world conditions.
If you require a custom training dataset with specific environmental conditions such as in-car, busy street, restaurant, or any other scenario, we can accommodate your request. We can provide voice data with customized sample rates ranging from 8kHz to 48kHz, allowing you to fine-tune your models for different audio recording setups. Additionally, we can also customize the transcription following your specific guidelines and requirements, to further support your ASR development process.
License:
This audio dataset, created by FutureBeeAI, is now available for commercial use.
Conclusion:
Whether you are training or fine-tuning speech recognition models, advancing NLP algorithms, exploring generative voice AI, or building cutting-edge voice assistants and bots, our dataset serves as a reliable and valuable resource.
Channel 1 | Channel 2 | Format |
---|---|---|
Male(21) | Male(25) | wav, json |
LABEL | START | END | CHANNEL | TRANSCRIPT |
---|---|---|---|---|
Speech | 0.000 | 1.255 | Speaker 1 | તું કેમ છે મજામાં? |
Speech | 1.475 | 4.225 | Speaker 2 | હા ભાઈ દર્શન એકદમ મજામાં. |
Speech | 6.025 | 8.250 | Speaker 1 | શું કરે છે આજ કાલ હમણાંનો મળ્યો નથી? |
Speech | 9.608 | 13.400 | Speaker 2 | અરે યાર આ બધું મતલબ <lang:Foreign>busy</lang:Foreign> છું હાલ બધું <lang:Foreign>politics</lang:Foreign> નું થોડું |
Speech | 14.025 | 18.608 | Speaker 2 | મારે <lang:Foreign>knowledge</lang:Foreign> લેવું હતું કારણ કે શું મારે પછી આગળ જઈને નેતા બનવું છે. |
Speech | 20.275 | 28.353 | Speaker 1 | અરે યાર આ તો બહુ સરસ વાત કરી તો ચાલ તને <lang:Foreign>politics</lang:Foreign> વિશે થોડું સમજાવી શકું છું મારે પાસે ગણીજ <lang:Foreign>knowledge</lang:Foreign> છે, તને ખબર છે ને મેં <lang:Foreign>politics</lang:Foreign> માં મારું <lang:Foreign>graduation</lang:Foreign> પૂરું કર્યું છે <lang:Foreign><initial>B.A</initial></lang:Foreign> માં. |
Speech | 30.961 | 32.098 | Speaker 2 | અચ્છા, એવું છે? |
Speech | 33.529 | 48.510 | Speaker 1 | તો જો પહેલાના જમાનાની વાત કરીએ કે અકબર અને એ બધા જેવા રાજાઓ હતા તે <lang:Foreign>time</lang:Foreign> પણ <lang:Foreign>politics</lang:Foreign> તો હતું જ પણ એ <lang:Foreign>time</lang:Foreign> શું હતું કે રાજાઓ માટે પોતાની પ્રજા એ #આહ સૌપ્રથમ સ્થાને હતી જે મહાન રાજાઓ હતા જેમ કે મહારાણા પ્રતાપ, શિવાજી મહારાજ, અકબર, બીરબલ, |
Speech | 48.932 | 52.540 | Speaker 1 | આ બધા જે હતા એમાં શું હતું એમના માટે <lang:Foreign>top priority</lang:Foreign> હતી એમની પ્રજા. |
Speech | 53.784 | 57.124 | Speaker 1 | અને #આહ હવા, હવેની તો વાત આપણે પછી કરીશું |
Speech | 57.524 | 68.765 | Speaker 1 | અને પછી જો કે #આહ એ <lang:Foreign>time</lang:Foreign> એમનું જે રાજ્ય હતું એ (()) થી ચાલતું હતું એક બીજા પાર આક્રમણ કરી રાજ્યો જીતતા પણ પ્રજાનો પણ તે સંભાળ રાખતા હતા અને પછી #આહ |
Speech | 70.118 | 73.124 | Speaker 1 | શું થયું કે #આહ રા, મહા જેમકે #આહ |
Speech | 73.524 | 83.886 | Speaker 1 | મુઘલ યુગ શરુ થયો એ <lang:Foreign>time</lang:Foreign> એ <lang:Foreign>politics</lang:Foreign> ની દિશા બદલાઈ ગઈ મેં વાંચ્યું હતું મારા અભ્યાસક્રમમાં એ તે <lang:Foreign>time</lang:Foreign> ની શાશન પદ્ધતિ હતી એ અલગ હતી બધા રાજાઓની શાશન પદ્ધતિ અલગ હતી |
Speech | 84.486 | 85.039 | Speaker 1 | કોઈ |
Speech | 85.373 | 94.725 | Speaker 1 | એવા પણ રાજા હતા જે પ્રજા પર જુલ્મ કરતા કે એ એવું સાબીત કરવા માંગતા હતા કે તેજ મહાન છે જેમ કે મહાન રાજા સિકંદર હતો એ શું કરતો હતો કે દુનિયા પર ચડાઈ કરી હતી અને એણે, |
Speech | 94.826 | 100.569 | Speaker 1 | તે આખી દુનિયાને જીતવા માંગતો હતો પણ ગમ્મે એ ગમ્મે તે ભીગે જીતવા માંગતો હતો આવા પણ રાજા હતા, તું જાણે છે આ બધા વિશે ? |
Speech | 104.569 | 118.980 | Speaker 2 | હા મતલબ મને જ્યારે હું #આહ <lang:Foreign>school</lang:Foreign> માં ભણતો ત્યારે મતલબ મને ભણવામાં આવતુ હતું આ બધા મતલબ અભ્યાસક્રમમાં હતું પણ મને એટલું પણ મતલબ <lang:Foreign>knowledge</lang:Foreign> નથી કે એ રાજાઓ મતલબ કઈ રીતે જીવતા એમનો મતલબ એમની જીવન શૈલી કઈ રીતની હતી કેટલી રાણીઓ હતી, |
Speech | 119.451 | 124.843 | Speaker 2 | કેવી રીતે એ લોકો <lang:Foreign>enjoy</lang:Foreign> કરતા, તો તને ખ્યાલ હોય તો મને બતાઓને મતલબ શું હતું અને શું ન હતું. |
Speech | 126.588 | 138.706 | Speaker 1 | હા, તો <lang:Foreign>politics</lang:Foreign> માં એ <lang:Foreign>time</lang:Foreign> પર મંત્રીઓ હતા એમના રાજકારણ વતી કે અકબરના અંદર નવરત્ન નવ મંત્રીઓ હતા તો રાજા જેને કઈ કામ કરે તો તે પહેલા મંત્રીઓ પાસેથી સલાહ લે અને પછી આગળ વધતો. |
Speech | 138.922 | 150.529 | Speaker 1 | અત્યારે પણ એવુજ છે પણ આપણે અત્યારે <lang:Foreign>ancient India</lang:Foreign> ની વાત કરી રહ્યા છીએ તો જોવો, રાજા મંત્રીઓ પાસે સલાહ લે અને પછી તે કામને આગળ વધારે એની સાથે સાથે ગુપ્તચરો પણ એના <lang:Foreign>time</lang:Foreign> માં હતા કે, |
Speech | 150.745 | 161.137 | Speaker 1 | કોઈ પ્રદેશમાં શું થઇ રહ્યું છે ત્યાં તેમના ગુપ્તચરો હોય તેમના <lang:Foreign>sources</lang:Foreign> હોય અત્યારના જમાનામાં <lang:Foreign>sources</lang:Foreign> કહેવાય તો એ પણ એની હલન ચલન પર નજર રાખે અને #આહ ગુપ્તચર સંદેશો મોકલતા, |
Speech | 161.608 | 165.835 | Speaker 1 | તો એ <lang:Foreign>time politics</lang:Foreign> પણ આમ જોવા જઈએ તો ગણું સારું હતું અત્યારના જમાના કરતા, |
Speech | 166.210 | 169.373 | Speaker 1 | તો તું #આહ શું <lang:Foreign>past</lang:Foreign> નું <lang:Foreign>add</lang:Foreign> કરવા માંગીશ? |
Speech | 172.502 | 178.052 | Speaker 2 | હા ચોક્કસ ભાઈ કારણ કે <lang:Foreign>past</lang:Foreign> થી તો મતલબ આપણી શરૂઆત થઇ હતી મતલબ જે <lang:Foreign>politics</lang:Foreign> ને જે બધી વાતો હતી. |
TIME | TRANSCRIPT |
---|---|
0.000 1.255 | તું કેમ છે મજામાં? |
1.475 4.225 | હા ભાઈ દર્શન એકદમ મજામાં. |
6.025 8.250 | શું કરે છે આજ કાલ હમણાંનો મળ્યો નથી? |
9.608 13.400 | અરે યાર આ બધું મતલબ <lang:Foreign>busy</lang:Foreign> છું હાલ બધું <lang:Foreign>politics</lang:Foreign> નું થોડું |
14.025 18.608 | મારે <lang:Foreign>knowledge</lang:Foreign> લેવું હતું કારણ કે શું મારે પછી આગળ જઈને નેતા બનવું છે. |
20.275 28.353 | અરે યાર આ તો બહુ સરસ વાત કરી તો ચાલ તને <lang:Foreign>politics</lang:Foreign> વિશે થોડું સમજાવી શકું છું મારે પાસે ગણીજ <lang:Foreign>knowledge</lang:Foreign> છે, તને ખબર છે ને મેં <lang:Foreign>politics</lang:Foreign> માં મારું <lang:Foreign>graduation</lang:Foreign> પૂરું કર્યું છે <lang:Foreign><initial>B.A</initial></lang:Foreign> માં. |
30.961 32.098 | અચ્છા, એવું છે? |
33.529 48.510 | તો જો પહેલાના જમાનાની વાત કરીએ કે અકબર અને એ બધા જેવા રાજાઓ હતા તે <lang:Foreign>time</lang:Foreign> પણ <lang:Foreign>politics</lang:Foreign> તો હતું જ પણ એ <lang:Foreign>time</lang:Foreign> શું હતું કે રાજાઓ માટે પોતાની પ્રજા એ #આહ સૌપ્રથમ સ્થાને હતી જે મહાન રાજાઓ હતા જેમ કે મહારાણા પ્રતાપ, શિવાજી મહારાજ, અકબર, બીરબલ, |
48.932 52.540 | આ બધા જે હતા એમાં શું હતું એમના માટે <lang:Foreign>top priority</lang:Foreign> હતી એમની પ્રજા. |
53.784 57.124 | અને #આહ હવા, હવેની તો વાત આપણે પછી કરીશું |
57.524 68.765 | અને પછી જો કે #આહ એ <lang:Foreign>time</lang:Foreign> એમનું જે રાજ્ય હતું એ (()) થી ચાલતું હતું એક બીજા પાર આક્રમણ કરી રાજ્યો જીતતા પણ પ્રજાનો પણ તે સંભાળ રાખતા હતા અને પછી #આહ |
70.118 73.124 | શું થયું કે #આહ રા, મહા જેમકે #આહ |
73.524 83.886 | મુઘલ યુગ શરુ થયો એ <lang:Foreign>time</lang:Foreign> એ <lang:Foreign>politics</lang:Foreign> ની દિશા બદલાઈ ગઈ મેં વાંચ્યું હતું મારા અભ્યાસક્રમમાં એ તે <lang:Foreign>time</lang:Foreign> ની શાશન પદ્ધતિ હતી એ અલગ હતી બધા રાજાઓની શાશન પદ્ધતિ અલગ હતી |
84.486 85.039 | કોઈ |
85.373 94.725 | એવા પણ રાજા હતા જે પ્રજા પર જુલ્મ કરતા કે એ એવું સાબીત કરવા માંગતા હતા કે તેજ મહાન છે જેમ કે મહાન રાજા સિકંદર હતો એ શું કરતો હતો કે દુનિયા પર ચડાઈ કરી હતી અને એણે, |
94.826 100.569 | તે આખી દુનિયાને જીતવા માંગતો હતો પણ ગમ્મે એ ગમ્મે તે ભીગે જીતવા માંગતો હતો આવા પણ રાજા હતા, તું જાણે છે આ બધા વિશે ? |
104.569 118.980 | હા મતલબ મને જ્યારે હું #આહ <lang:Foreign>school</lang:Foreign> માં ભણતો ત્યારે મતલબ મને ભણવામાં આવતુ હતું આ બધા મતલબ અભ્યાસક્રમમાં હતું પણ મને એટલું પણ મતલબ <lang:Foreign>knowledge</lang:Foreign> નથી કે એ રાજાઓ મતલબ કઈ રીતે જીવતા એમનો મતલબ એમની જીવન શૈલી કઈ રીતની હતી કેટલી રાણીઓ હતી, |
119.451 124.843 | કેવી રીતે એ લોકો <lang:Foreign>enjoy</lang:Foreign> કરતા, તો તને ખ્યાલ હોય તો મને બતાઓને મતલબ શું હતું અને શું ન હતું. |
126.588 138.706 | હા, તો <lang:Foreign>politics</lang:Foreign> માં એ <lang:Foreign>time</lang:Foreign> પર મંત્રીઓ હતા એમના રાજકારણ વતી કે અકબરના અંદર નવરત્ન નવ મંત્રીઓ હતા તો રાજા જેને કઈ કામ કરે તો તે પહેલા મંત્રીઓ પાસેથી સલાહ લે અને પછી આગળ વધતો. |
138.922 150.529 | અત્યારે પણ એવુજ છે પણ આપણે અત્યારે <lang:Foreign>ancient India</lang:Foreign> ની વાત કરી રહ્યા છીએ તો જોવો, રાજા મંત્રીઓ પાસે સલાહ લે અને પછી તે કામને આગળ વધારે એની સાથે સાથે ગુપ્તચરો પણ એના <lang:Foreign>time</lang:Foreign> માં હતા કે, |
150.745 161.137 | કોઈ પ્રદેશમાં શું થઇ રહ્યું છે ત્યાં તેમના ગુપ્તચરો હોય તેમના <lang:Foreign>sources</lang:Foreign> હોય અત્યારના જમાનામાં <lang:Foreign>sources</lang:Foreign> કહેવાય તો એ પણ એની હલન ચલન પર નજર રાખે અને #આહ ગુપ્તચર સંદેશો મોકલતા, |
161.608 165.835 | તો એ <lang:Foreign>time politics</lang:Foreign> પણ આમ જોવા જઈએ તો ગણું સારું હતું અત્યારના જમાના કરતા, |
166.210 169.373 | તો તું #આહ શું <lang:Foreign>past</lang:Foreign> નું <lang:Foreign>add</lang:Foreign> કરવા માંગીશ? |
172.502 178.052 | હા ચોક્કસ ભાઈ કારણ કે <lang:Foreign>past</lang:Foreign> થી તો મતલબ આપણી શરૂઆત થઇ હતી મતલબ જે <lang:Foreign>politics</lang:Foreign> ને જે બધી વાતો હતી. |
Gujarati
gu-in
India
Kathiawari,...more
M:55, F:45
18-70
Silent, Noisy
16 bit
wav
8khz
Dual separate channel
15-60 minutes
Explore Audio Data, Metadata and Transcription to get more clarity and hands on experience of this dataset.
Download Free Dataset
Contact Us