.webp&w=640&q=100)
.webp&w=640&q=100)
.webp&w=640&q=100)
.webp&w=640&q=100)
.webp&w=640&q=100)
We Use Cookies!!!
We use cookies to ensure that we give you the best experience on our website. Read cookies policies.
Gujarati (India) Call Center Speech Dataset for Retail & E-commerce
The audio dataset comprises call center conversations for the Retail & E-commerce domain, featuring native Gujarati speakers from India. It includes speech data, detailed metadata and accurate transcriptions.
Category
Unscripted Call Center Conversations
Total Volume
30 Speech Hours
Last updated
Jun 2024
Number of participants
60
Get this Speech Dataset
Download
Request Custom Collection
About this Off-the-shelf Speech Dataset
Introduction
Welcome to the Gujarati Call Center Speech Dataset for the Retail domain designed to enhance the development of call center speech recognition models specifically for the Retail industry. This dataset is meticulously curated to support advanced speech recognition, natural language processing, conversational AI, and generative voice AI algorithms.
Speech Data
This training dataset comprises 30 hours of call center audio recordings covering various topics and scenarios related to the Retail domain, designed to build robust and accurate customer service speech technology.
•
Speakers:
60 expert native Gujarati speakers from the FutureBeeAI Community.
•
Regions:
Different regions of Gujarat, ensuring a balanced representation of Gujarati accents, dialects, and demographics.
•
Participant Profile:
Participants range from 18 to 70 years old, representing both males and females in a 60:40 ratio, respectively.
•
Conversation Nature:
Unscripted and spontaneous conversations between call center agents and customers.
•
Call Duration:
Average duration of 5 to 15 minutes per call.
•
Formats:
WAV format with stereo channels, a bit depth of 16 bits, and a sample rate of 8 and 16 kHz.
•
Environment:
Without background noise and without echo.
Topic Diversity
This dataset offers a diverse range of conversation topics, call types, and outcomes, including both inbound and outbound calls with positive, neutral, and negative outcomes.
•Product Inquiry
•Return/Exchange Request
•Order Cancellation
•Refund Request
•Membership/Subscriptions Enquiry
•Order Cancellations, and many more
•Order Confirmation
•Cross-selling and Upselling
•Account Updates
•Loyalty Program offers
•Special Offers and Promotions
•Customer Verification, and many more
This extensive coverage ensures the dataset includes realistic call center scenarios, which is essential for developing effective customer support speech recognition models.
Transcription
To facilitate your workflow, the dataset includes manual verbatim transcriptions of each call center audio file in JSON format. These transcriptions feature:
•
Speaker-wise Segmentation:
Time-coded segments for both agents and customers.
•
Non-Speech Labels:
Tags and labels for non-speech elements.
•
Word Error Rate:
Word error rate is less than 5% thanks to the dual layer of QA.
These ready-to-use transcriptions accelerate the development of the Retail domain call center conversational AI and ASR models for the Gujarati language.
Metadata
The dataset provides comprehensive metadata for each conversation and participant:
•
Participant Metadata:
Unique identifier, age, gender, country, state, district, accent and dialect.
•
Conversation Metadata:
Domain, topic, call type, outcome/sentiment, bit depth, and sample rate.
This metadata is a powerful tool for understanding and characterizing the data, enabling informed decision-making in the development of Gujarati call center speech recognition models.
Usage and Applications
This dataset can be used for various applications in the fields of speech recognition, natural language processing, and conversational AI, specifically tailored to the Retail domain. Potential use cases include:
•
Speech Recognition Models:
Training and fine-tuning speech recognition models for Gujarati.
•
Speech Analytics Models:
Building speech analytics models to extract insights, identify patterns, and glean valuable information from customer conversation, enables data-driven decision-making and process optimization within the Retail sector.
•
Smart Assistants and Chatbots:
Developing conversational agents and virtual assistants for customer service in the Retail industries.
•
Sentiment Analysis:
Analyzing customer sentiment and improving customer experience based on call center interactions.
•
Generative AI:
Training generative AI models capable of generating human-like responses, summaries, or content tailored to the Retail domain.
Secure and Ethical Collection
•Our proprietary data collection and transcription platform, “Yugo” was used throughout the process of this dataset creation.
•Throughout the data collection process, the data remained within our secure platform and did not leave our environment, ensuring data security and confidentiality.
•The data collection process adhered to strict ethical guidelines, ensuring the privacy and consent of all participants.
•It does not include any personally identifiable information about any participant, which makes the dataset safe to use.
•The dataset does not contain any copyrighted content.
Updates and Customization
Understanding the importance of diverse environments for robust ASR models, our call center voice dataset is regularly updated with new audio data captured in various real-world conditions.
•
Environmental Conditions:
Custom collection in specific environmental conditions upon request.
•
Sample Rates:
Customizable from 8kHz to 48kHz.
•
Transcription Customization:
Tailored to specific guidelines and requirements.
License
This Retail domain call center audio dataset is created by FutureBeeAI and is available for commercial use.
Use Cases
Call Center Conversational AI
ASR
Chatbot
Language Modelling
TTS
Speech Analytics
Dataset Sample(s)
ATTRIBUTES
| Channel 1 | Channel 2 | Format |
|---|---|---|
| Male(30) | Male(26) | wav, json |
TRANSCRIPTION
| LABEL | START | END | CHANNEL | TRANSCRIPT |
|---|---|---|---|---|
| Speech | 0.353 | 1.020 | Speaker 1 | <lang:Foreign>Hello</lang:Foreign> |
| Speech | 1.804 | 3.176 | Speaker 2 | <lang:Foreign>Hello futurebee</lang:Foreign> |
| Speech | 6.210 | 10.744 | Speaker 1 | <lang:Foreign>Yes sir</lang:Foreign> #આહ અજીન્ક્ય બોલું છું. <lang:Foreign>costumer service centre</lang:Foreign> થી <lang:Foreign>futurebee</lang:Foreign> ના |
| Speech | 11.320 | 14.353 | Speaker 1 | #આહ બોલો <lang:Foreign>sir</lang:Foreign> કેવી રીતે હું તમારી સહાયતા કરી શકું આજે. |
| Speech | 15.205 | 25.777 | Speaker 2 | #આહ ભાઈ મારો એક <lang:Foreign>order</lang:Foreign> મેં <lang:Foreign>place</lang:Foreign> કર્યો હતો. તમારા <lang:Foreign>app</lang:Foreign> પર એ અત્યારે <lang:Foreign>deliver</lang:Foreign> તો થઇ ગયો છે. <lang:Foreign>but</lang:Foreign> મારે એને <lang:Foreign>return</lang:Foreign> કરવું છે. |
| Noise | 18.750 | 19.300 | - | - |
| Speech | 21.575 | 21.937 | Speaker 1 | #હમ |
| Speech | 22.688 | 23.125 | Speaker 1 | #હમ |
| Speech | 25.500 | 26.100 | Speaker 1 | હા |
| Speech | 29.529 | 30.150 | Speaker 1 | અચ્છા |
| Speech | 30.526 | 33.254 | Speaker 1 | #આહ કેમ <lang:Foreign>return</lang:Foreign> કરો છો <lang:Foreign>sir any reason</lang:Foreign>? |
| Speech | 31.921 | 35.607 | Speaker 2 | #હમ એ <lang:Foreign>shirt</lang:Foreign> ની <lang:Foreign>quality</lang:Foreign> મને ખરાબ લાગી. |
| Speech | 36.470 | 37.500 | Speaker 2 | <lang:Foreign>Actual</lang:Foreign> માં |
| Speech | 38.426 | 41.098 | Speaker 2 | એ એટલી સારી નથી એટલે |
| Speech | 39.500 | 40.475 | Speaker 1 | અચ્છા |
| Speech | 41.247 | 48.854 | Speaker 2 | કોઈ પેરસે નહિ પાછું એ તો મારા માથા પર પડશે. એના કરતા મારે <lang:Foreign>return</lang:Foreign> કરાવું છે. ને એની જગ્યા એ જો બીજા સારા હોય તો હું એ <lang:Foreign>choose</lang:Foreign> કરી લઈશ. |
| Speech | 51.862 | 59.489 | Speaker 1 | તો <lang:Foreign>sir</lang:Foreign> તમે <lang:Foreign>return</lang:Foreign> કરવા માગો છો.કે <lang:Foreign>replace</lang:Foreign> કરવા માગો છો.એની જગ્યા એ તમે બીજું બી કોઈ <lang:Foreign>shirt</lang:Foreign> તમે <lang:Foreign>order</lang:Foreign> કરી શકો એટલા જ <lang:Foreign>value</lang:Foreign> નું, વધારે <lang:Foreign>price</lang:Foreign> થશે તો તમારે |
| Speech | 59.642 | 67.446 | Speaker 1 | થોડા <lang:Foreign>extra</lang:Foreign> જે હશે. એ તમે આપશો.અને ઓછા હશે. તો તમારા બાકી ના તમને <lang:Foreign>credit</lang:Foreign> થઇ જશે.તો <lang:Foreign>return</lang:Foreign> કરવા કરતા <lang:Foreign>replace</lang:Foreign> કરવું <lang:Foreign>option</lang:Foreign> સારું રેહશે. <lang:Foreign>sir</lang:Foreign> |
| Speech | 68.603 | 71.838 | Speaker 2 | હા તો <lang:Foreign>replace</lang:Foreign> કરી દઈએ. કેમ કે મારે બીજો <lang:Foreign>shirt</lang:Foreign> તો લેવો જ છે. |
| Speech | 72.015 | 74.387 | Speaker 2 | પણ <lang:Foreign>quality</lang:Foreign> મારે હ જોઈ લઉં. |
| Speech | 73.446 | 74.485 | Speaker 1 | અચ્છા અચ્છા |
| Speech | 75.936 | 81.328 | Speaker 1 | તો એક <lang:Foreign>minute</lang:Foreign> પહેલા હું તમારું જોઈ લઉં એકવાર. તમારું આજ <lang:Foreign>number</lang:Foreign> થી <lang:Foreign>login</lang:Foreign> છે અમારા <lang:Foreign>futurebee</lang:Foreign> માં? |
| Speech | 81.379 | 82.497 | Speaker 2 | હો હા |
| Speech | 82.517 | 85.340 | Speaker 1 | તો હું તમારું <lang:Foreign>details</lang:Foreign> જોઈ લઉં. કયું <lang:Foreign>order</lang:Foreign> છે? કેમ છે? |
| Speech | 92.171 | 97.858 | Speaker 1 | તો <lang:Foreign>sir</lang:Foreign> હું આ મેં તમારું આ ખોલ્યું છે. <lang:Foreign>account</lang:Foreign> અહિયાં હું તમારું <lang:Foreign>details</lang:Foreign> જોઈ શકું છું. તમારું નામ શુભમ મહાજન છો. |
| Speech | 97.622 | 98.407 | Speaker 2 | હા |
| Speech | 99.956 | 103.387 | Speaker 1 | હા તો અહિયાં તમે તમે <lang:Foreign>futurebee</lang:Foreign> ના <lang:Foreign>member sorry</lang:Foreign> તમે |
| Speech | 103.575 | 113.791 | Speaker 1 | ત્રણ વર્ષથી છો સારું #આહ આમાં તમે આ <lang:Foreign>last</lang:Foreign> જે આ તમે જે <lang:Foreign>last order</lang:Foreign> કહો છો એની વાત છે <lang:Foreign>sir</lang:Foreign> તમે જે આ <lang:Foreign>complete</lang:Foreign> કરો છો. એ <lang:Foreign>last order</lang:Foreign> માટે છે. તમારું અહિયાં તમે જે <lang:Foreign>floral</lang:Foreign> |
| Speech | 110.771 | 111.349 | Speaker 2 | હ |
| Speech | 111.875 | 113.144 | Speaker 2 | હા એ બે દિવસ |
| Speech | 113.693 | 115.653 | Speaker 2 | બે દિવસ પહેલા જ <lang:Foreign>received</lang:Foreign> થયો છે. |
| Speech | 115.544 | 116.269 | Speaker 1 | હા |
| Speech | 118.244 | 121.999 | Speaker 1 | અચ્છા હા હું જોઈ શકું છું. અહિયાં <lang:Foreign>floral floral print t-shirt</lang:Foreign> |
| Speech | 121.936 | 123.426 | Speaker 2 | હા હા |
| Speech | 122.400 | 123.073 | Speaker 1 | <lang:Foreign>black</lang:Foreign> |
| Speech | 123.740 | 124.857 | Speaker 1 | <lang:Foreign>size <initial>L</initial></lang:Foreign> |
| Speech | 124.896 | 125.563 | Speaker 2 | હા |
| Speech | 125.814 | 128.579 | Speaker 1 | અચ્છા તો તમે આ તમારી <lang:Foreign>replace</lang:Foreign> કરવાનું છે એમ? |
| Speech | 128.010 | 129.971 | Speaker 2 | હા એની <lang:Foreign>quality</lang:Foreign> બરાબર નથી. |
| Speech | 129.049 | 130.226 | Speaker 1 | (()) તો <lang:Foreign>sir</lang:Foreign> તમે |
| Speech | 131.657 | 135.932 | Speaker 1 | અચ્છા વાંધો નહીં <lang:Foreign>sir</lang:Foreign> #આહ <lang:Foreign>sorry</lang:Foreign> તમને આ <lang:Foreign>inconvenience</lang:Foreign> થયું? |
| Speech | 136.049 | 143.402 | Speaker 1 | <lang:Foreign>but sir</lang:Foreign> તમે છે ને આ બધી જે <lang:Foreign>complain</lang:Foreign> છે ને તમે <lang:Foreign>direct</lang:Foreign> પણ કરી શકો છો અમારું <lang:Foreign>app</lang:Foreign> છે. <lang:Foreign>sir</lang:Foreign> તમારી જોડે <lang:Foreign>futurebee app</lang:Foreign> છે. |
| Speech | 143.767 | 145.865 | Speaker 1 | કે તમે <lang:Foreign>website</lang:Foreign> પરથી <lang:Foreign>place</lang:Foreign> કર્યું છે. <lang:Foreign>order</lang:Foreign> |
| Babble | 145.424 | 145.774 | - | - |
| Speech | 146.135 | 148.531 | Speaker 2 | હવે આ <lang:Foreign>order</lang:Foreign> તો મેં <lang:Foreign>website</lang:Foreign>પરથી કર્યો હતો |
| Speech | 150.649 | 154.178 | Speaker 1 | તો <lang:Foreign>sir</lang:Foreign> તો <lang:Foreign>best</lang:Foreign>એ રહેશે તમે છે ને એક <lang:Foreign>futurebee</lang:Foreign> અમારું <lang:Foreign>app download</lang:Foreign> કરી લોને |
| Speech | 154.293 | 158.861 | Speaker 1 | તો એમાં તમને આ બધું બહુ <lang:Foreign>easily</lang:Foreign> તમારી રીતે કરી શકો <lang:Foreign>sir</lang:Foreign> <lang:Foreign>return</lang:Foreign> કરવાનું હોય |
| Speech | 158.865 | 165.492 | Speaker 1 | તમારું<lang:Foreign>order track</lang:Foreign> કરવાનું હોય <lang:Foreign>replace</lang:Foreign> કરવાનું હોય તમારું નું હોય તમારું<lang:Foreign>tracking</lang:Foreign>કરવાનું હોય<lang:Foreign>refund</lang:Foreign>થયું ના થયું. |
| Speech | 165.649 | 172.127 | Speaker 1 | ને બધા બી તમને બીજા <lang:Foreign>personal offers</lang:Foreign> તમને આવે એ <lang:Foreign>account</lang:Foreign> માં થશે તો <lang:Foreign>sir</lang:Foreign> તમે <lang:Foreign>app download</lang:Foreign> કરો તો બહુ સારું રહેશે. |
| Speech | 172.951 | 173.599 | Speaker 2 | અચ્છા |
| Speech | 174.200 | 175.382 | Speaker 2 | આ <lang:Foreign>complain</lang:Foreign> ને |
| Speech | 175.029 | 184.766 | Speaker 1 | હા બે જ <lang:Foreign>minute</lang:Foreign> લાગશે <lang:Foreign>sir</lang:Foreign> હમણાં હમણાં કરી લો તો હું તમને આ બધું અહીંયા તમને <lang:Foreign>guide</lang:Foreign> કરી દઉં વ્યવસ્થિત એટલે તમે <lang:Foreign>next time</lang:Foreign> કોઈક વાર તમને આવો <lang:Foreign>problem</lang:Foreign> થાય તો તો તમારે <lang:Foreign>wait</lang:Foreign> નહીં કરવો પડે <lang:Foreign>call</lang:Foreign> કરવાનો |
TRANSCRIPTION
| TIME | TRANSCRIPT |
|---|---|
| 0.353 1.020 | <lang:Foreign>Hello</lang:Foreign> |
| 1.804 3.176 | <lang:Foreign>Hello futurebee</lang:Foreign> |
| 6.210 10.744 | <lang:Foreign>Yes sir</lang:Foreign> #આહ અજીન્ક્ય બોલું છું. <lang:Foreign>costumer service centre</lang:Foreign> થી <lang:Foreign>futurebee</lang:Foreign> ના |
| 11.320 14.353 | #આહ બોલો <lang:Foreign>sir</lang:Foreign> કેવી રીતે હું તમારી સહાયતા કરી શકું આજે. |
| 15.205 25.777 | #આહ ભાઈ મારો એક <lang:Foreign>order</lang:Foreign> મેં <lang:Foreign>place</lang:Foreign> કર્યો હતો. તમારા <lang:Foreign>app</lang:Foreign> પર એ અત્યારે <lang:Foreign>deliver</lang:Foreign> તો થઇ ગયો છે. <lang:Foreign>but</lang:Foreign> મારે એને <lang:Foreign>return</lang:Foreign> કરવું છે. |
| 18.750 19.300 | - |
| 21.575 21.937 | #હમ |
| 22.688 23.125 | #હમ |
| 25.500 26.100 | હા |
| 29.529 30.150 | અચ્છા |
| 30.526 33.254 | #આહ કેમ <lang:Foreign>return</lang:Foreign> કરો છો <lang:Foreign>sir any reason</lang:Foreign>? |
| 31.921 35.607 | #હમ એ <lang:Foreign>shirt</lang:Foreign> ની <lang:Foreign>quality</lang:Foreign> મને ખરાબ લાગી. |
| 36.470 37.500 | <lang:Foreign>Actual</lang:Foreign> માં |
| 38.426 41.098 | એ એટલી સારી નથી એટલે |
| 39.500 40.475 | અચ્છા |
| 41.247 48.854 | કોઈ પેરસે નહિ પાછું એ તો મારા માથા પર પડશે. એના કરતા મારે <lang:Foreign>return</lang:Foreign> કરાવું છે. ને એની જગ્યા એ જો બીજા સારા હોય તો હું એ <lang:Foreign>choose</lang:Foreign> કરી લઈશ. |
| 51.862 59.489 | તો <lang:Foreign>sir</lang:Foreign> તમે <lang:Foreign>return</lang:Foreign> કરવા માગો છો.કે <lang:Foreign>replace</lang:Foreign> કરવા માગો છો.એની જગ્યા એ તમે બીજું બી કોઈ <lang:Foreign>shirt</lang:Foreign> તમે <lang:Foreign>order</lang:Foreign> કરી શકો એટલા જ <lang:Foreign>value</lang:Foreign> નું, વધારે <lang:Foreign>price</lang:Foreign> થશે તો તમારે |
| 59.642 67.446 | થોડા <lang:Foreign>extra</lang:Foreign> જે હશે. એ તમે આપશો.અને ઓછા હશે. તો તમારા બાકી ના તમને <lang:Foreign>credit</lang:Foreign> થઇ જશે.તો <lang:Foreign>return</lang:Foreign> કરવા કરતા <lang:Foreign>replace</lang:Foreign> કરવું <lang:Foreign>option</lang:Foreign> સારું રેહશે. <lang:Foreign>sir</lang:Foreign> |
| 68.603 71.838 | હા તો <lang:Foreign>replace</lang:Foreign> કરી દઈએ. કેમ કે મારે બીજો <lang:Foreign>shirt</lang:Foreign> તો લેવો જ છે. |
| 72.015 74.387 | પણ <lang:Foreign>quality</lang:Foreign> મારે હ જોઈ લઉં. |
| 73.446 74.485 | અચ્છા અચ્છા |
| 75.936 81.328 | તો એક <lang:Foreign>minute</lang:Foreign> પહેલા હું તમારું જોઈ લઉં એકવાર. તમારું આજ <lang:Foreign>number</lang:Foreign> થી <lang:Foreign>login</lang:Foreign> છે અમારા <lang:Foreign>futurebee</lang:Foreign> માં? |
| 81.379 82.497 | હો હા |
| 82.517 85.340 | તો હું તમારું <lang:Foreign>details</lang:Foreign> જોઈ લઉં. કયું <lang:Foreign>order</lang:Foreign> છે? કેમ છે? |
| 92.171 97.858 | તો <lang:Foreign>sir</lang:Foreign> હું આ મેં તમારું આ ખોલ્યું છે. <lang:Foreign>account</lang:Foreign> અહિયાં હું તમારું <lang:Foreign>details</lang:Foreign> જોઈ શકું છું. તમારું નામ શુભમ મહાજન છો. |
| 97.622 98.407 | હા |
| 99.956 103.387 | હા તો અહિયાં તમે તમે <lang:Foreign>futurebee</lang:Foreign> ના <lang:Foreign>member sorry</lang:Foreign> તમે |
| 103.575 113.791 | ત્રણ વર્ષથી છો સારું #આહ આમાં તમે આ <lang:Foreign>last</lang:Foreign> જે આ તમે જે <lang:Foreign>last order</lang:Foreign> કહો છો એની વાત છે <lang:Foreign>sir</lang:Foreign> તમે જે આ <lang:Foreign>complete</lang:Foreign> કરો છો. એ <lang:Foreign>last order</lang:Foreign> માટે છે. તમારું અહિયાં તમે જે <lang:Foreign>floral</lang:Foreign> |
| 110.771 111.349 | હ |
| 111.875 113.144 | હા એ બે દિવસ |
| 113.693 115.653 | બે દિવસ પહેલા જ <lang:Foreign>received</lang:Foreign> થયો છે. |
| 115.544 116.269 | હા |
| 118.244 121.999 | અચ્છા હા હું જોઈ શકું છું. અહિયાં <lang:Foreign>floral floral print t-shirt</lang:Foreign> |
| 121.936 123.426 | હા હા |
| 122.400 123.073 | <lang:Foreign>black</lang:Foreign> |
| 123.740 124.857 | <lang:Foreign>size <initial>L</initial></lang:Foreign> |
| 124.896 125.563 | હા |
| 125.814 128.579 | અચ્છા તો તમે આ તમારી <lang:Foreign>replace</lang:Foreign> કરવાનું છે એમ? |
| 128.010 129.971 | હા એની <lang:Foreign>quality</lang:Foreign> બરાબર નથી. |
| 129.049 130.226 | (()) તો <lang:Foreign>sir</lang:Foreign> તમે |
| 131.657 135.932 | અચ્છા વાંધો નહીં <lang:Foreign>sir</lang:Foreign> #આહ <lang:Foreign>sorry</lang:Foreign> તમને આ <lang:Foreign>inconvenience</lang:Foreign> થયું? |
| 136.049 143.402 | <lang:Foreign>but sir</lang:Foreign> તમે છે ને આ બધી જે <lang:Foreign>complain</lang:Foreign> છે ને તમે <lang:Foreign>direct</lang:Foreign> પણ કરી શકો છો અમારું <lang:Foreign>app</lang:Foreign> છે. <lang:Foreign>sir</lang:Foreign> તમારી જોડે <lang:Foreign>futurebee app</lang:Foreign> છે. |
| 143.767 145.865 | કે તમે <lang:Foreign>website</lang:Foreign> પરથી <lang:Foreign>place</lang:Foreign> કર્યું છે. <lang:Foreign>order</lang:Foreign> |
| 145.424 145.774 | - |
| 146.135 148.531 | હવે આ <lang:Foreign>order</lang:Foreign> તો મેં <lang:Foreign>website</lang:Foreign>પરથી કર્યો હતો |
| 150.649 154.178 | તો <lang:Foreign>sir</lang:Foreign> તો <lang:Foreign>best</lang:Foreign>એ રહેશે તમે છે ને એક <lang:Foreign>futurebee</lang:Foreign> અમારું <lang:Foreign>app download</lang:Foreign> કરી લોને |
| 154.293 158.861 | તો એમાં તમને આ બધું બહુ <lang:Foreign>easily</lang:Foreign> તમારી રીતે કરી શકો <lang:Foreign>sir</lang:Foreign> <lang:Foreign>return</lang:Foreign> કરવાનું હોય |
| 158.865 165.492 | તમારું<lang:Foreign>order track</lang:Foreign> કરવાનું હોય <lang:Foreign>replace</lang:Foreign> કરવાનું હોય તમારું નું હોય તમારું<lang:Foreign>tracking</lang:Foreign>કરવાનું હોય<lang:Foreign>refund</lang:Foreign>થયું ના થયું. |
| 165.649 172.127 | ને બધા બી તમને બીજા <lang:Foreign>personal offers</lang:Foreign> તમને આવે એ <lang:Foreign>account</lang:Foreign> માં થશે તો <lang:Foreign>sir</lang:Foreign> તમે <lang:Foreign>app download</lang:Foreign> કરો તો બહુ સારું રહેશે. |
| 172.951 173.599 | અચ્છા |
| 174.200 175.382 | આ <lang:Foreign>complain</lang:Foreign> ને |
| 175.029 184.766 | હા બે જ <lang:Foreign>minute</lang:Foreign> લાગશે <lang:Foreign>sir</lang:Foreign> હમણાં હમણાં કરી લો તો હું તમને આ બધું અહીંયા તમને <lang:Foreign>guide</lang:Foreign> કરી દઉં વ્યવસ્થિત એટલે તમે <lang:Foreign>next time</lang:Foreign> કોઈક વાર તમને આવો <lang:Foreign>problem</lang:Foreign> થાય તો તો તમારે <lang:Foreign>wait</lang:Foreign> નહીં કરવો પડે <lang:Foreign>call</lang:Foreign> કરવાનો |
Dataset Demographics
Language
Gujarati
Language code
gu-in
Country
India
Accents
Kathiawari,...more
Gender Distribution
M:60, F:40
Age Group
18-70
Audio File Details
Environment
Silent, Noisy
Bit Depth
16 bit
Format
wav
Sample rate
8khz & 16khz
Channel
Stereo
Audio file duration
5-15 minutes
Download Sample Speech Dataset Now!
Explore Audio Data, Metadata and Transcription to get more clarity and hands on experience of this dataset.
Download Free Dataset
Start your AI/ML model creation journey with FutureBeeAI!
Contact Us
