Go Back

Go back

Gujarati (India) Call Center Speech Dataset for Telecom

The audio dataset comprises call center conversations for the Telecom 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

Get Dataset Btn
Speech training dataset for Telecom in Finnish (Finland)
DownloadDownload Icon

Request Custom Collection

Get Dataset Btn

About this Off-the-shelf Speech Dataset

About Gradiet Line

Introduction

Welcome to the Gujarati Call Center Speech Dataset for the Telecom domain designed to enhance the development of call center speech recognition models specifically for the Telecom 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 Telecom domain, designed to build robust and accurate customer service speech technology.

  • •Participant Diversity:
  • •
    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.
  • •Recording Details:
  • •
    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.

  • •Inbound Calls:
  • •Phone Number Porting
  • •Network Connectivity Issues
  • •Billing and Payments
  • •Technical Support
  • •Service Activation
  • •International Roaming Enquiry
  • •Refunds and Billing Adjustments
  • •Emergency Service Access, and many more
  • •Outbound Calls:
  • •Welcome Calls / Onboarding Process
  • •Payment Reminders
  • •Customer Surveys
  • •Technical Updates
  • •Service Usage Reviews
  • •Network Compliant Status Call, 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 Telecom 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 Telecom 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 Telecom sector.
  • •
    Smart Assistants and Chatbots: Developing conversational agents and virtual assistants for customer service in the Telecom 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 Telecom 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.

  • •Customization & Custom Collection Options:
  • •
    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 Telecom domain call center audio dataset is created by FutureBeeAI and is available for commercial use.

    Use Cases

    Use of speech data in Conversational AI

    Call Center Conversational AI

    Use of speech data for Automatic Speech Recognition

    ASR

    Use of speech data for Chatbot & voicebot creation

    Chatbot

    Use of speech data in Language Modeling

    Language Modelling

    Use of speech data in Text-into-speech

    TTS

    Speech data usecase in Speech Analytics

    Speech Analytics

    Dataset Sample(s)

    Sample Line

    ATTRIBUTES

    Channel 1Channel 2Format
    Male(30)Male(26)wav, json

    TRANSCRIPTION

    LABELSTARTENDCHANNELTRANSCRIPT
    Speech0.0002.075Speaker 1(()) <lang:Foreign>start</lang:Foreign> હા <lang:Foreign>hello</lang:Foreign>
    Speech3.7754.900Speaker 2<lang:Foreign>Hello Futurebee</lang:Foreign>
    Speech6.27514.900Speaker 1હા <lang:Foreign>Hello Futurebee</lang:Foreign> <lang:Foreign>से</lang:Foreign> મેં અજી અજી અજીન્ક્ય હું વાત કરું છું <lang:Foreign>futurebee</lang:Foreign> માંથી.
    Speech16.72524.801Speaker 2હા <lang:Foreign>sir</lang:Foreign> મારે <lang:Foreign>actually</lang:Foreign> મારો <lang:Foreign>mobile number port</lang:Foreign> કરવો છે. #આહ મારે <lang:Foreign>Reliance Jio</lang:Foreign> પર <lang:Foreign>port</lang:Foreign> કરવો છે મારો <lang:Foreign>number</lang:Foreign> .
    Speech27.80134.696Speaker 1<lang:Foreign>Reliance Jio</lang:Foreign> હમણાં તમે <lang:Foreign>Reliance Jio</lang:Foreign> પર કેમ <lang:Foreign>port</lang:Foreign> કરવા માંગો છો? માંગો છો? હું જાણી શકું છું તમારા કે શુ <lang:Foreign>problem</lang:Foreign> છે?
    Speech33.82135.021Speaker 2નહિ નહ મારે
    Speech40.42141.246Speaker 1<lang:Foreign>Hello</lang:Foreign>
    Speech46.14648.221Speaker 1<lang:Foreign>Hello sir</lang:Foreign> તમારી અવાજ નથી આવતી.
    Speech47.19648.221Speaker 2(())
    Speech52.27154.221Speaker 1તમારો અવાજ જતો રહીયો હતો <lang:Foreign>sir</lang:Foreign>
    Speech54.29655.446Speaker 2હવે સંભળાઈ છે?
    Speech57.69659.096Speaker 1હાં હવે મને સંભળાઈ છે.
    Speech58.24668.527Speaker 2#હમ મારે મારે <lang:Foreign>mobile number port</lang:Foreign> કરવો છે, <lang:Foreign>final</lang:Foreign> છે ભાઈ. મને બોવ તકલીફ થઇ છે તમારા <lang:Foreign>network</lang:Foreign> જોડે અને મારે કઈ વપરાશ બરાબર થતો નથી.
    Speech70.60279.102Speaker 1<lang:Foreign>okay sir</lang:Foreign> અમે કરાવી દઇશુ એનો વાંધો નથી એ તો <lang:Foreign>TRAI regulations</lang:Foreign> છે તો અમારે કરાવું છે <lang:Foreign>but</lang:Foreign> અમારે અહીંયા એક એ લખવું પડે કે કેમ કેમ કરવો છો.
    Speech79.18788.987Speaker 1તમે #આહ તો અમારે એ લખવું પડે તો તમે મને બસ ખાલી થોડાક એ આપશો તમારા <lang:Foreign>problem</lang:Foreign> શુ છે તો હું તમને ખાલી કહું કે અચ્છા કે <lang:Foreign>problem valid</lang:Foreign> છે નથી અમારી જોડે <lang:Foreign>solution</lang:Foreign> આનું.
    Speech89.05292.877Speaker 1કે તમે <lang:Foreign>port</lang:Foreign> કરી શકો ના કરી શકો એકવાર મને <lang:Foreign>problem</lang:Foreign> તો જણાવો <lang:Foreign>sir</lang:Foreign> તમે.
    Speech94.777101.802Speaker 2હા ભાઈ એમાં બો બધા <lang:Foreign>problem</lang:Foreign> છે. હું કૌ તો <lang:Foreign>main main</lang:Foreign> મારો <lang:Foreign>problem</lang:Foreign> એવો છે કે મારે <lang:Foreign>net</lang:Foreign> બિલકુલ <lang:Foreign>five <lang:Foreign>G</lang:Foreign> </lang:Foreign>
    Speech104.602105.452Speaker 2(())
    Speech107.377109.477Speaker 1<lang:Foreign>sir</lang:Foreign> તમારો તમારો અવાજ પાછો જતો રહીયો.
    Speech109.502110.127Speaker 2<lang:Foreign>Hello</lang:Foreign>
    Speech111.102111.878Speaker 1હાં.
    Speech112.528112.798Speaker 2હાં
    Speech113.174122.583Speaker 2<lang:Foreign>main problem</lang:Foreign> મારો એવો છે કે મારુ <lang:Foreign>net</lang:Foreign> બિલકુલ ચાલતું નથી. મારે <lang:Foreign>five <initial>G</initial></lang:Foreign> આપણે કરાવ્યુ નથી એટલે તો <lang:Foreign>five <initial>G</initial></lang:Foreign> આ <lang:Foreign>area</lang:Foreign> માં મારા ભાઈનું તો ચાલે છે પણ મારુ જરા એ ચાલતું નથી.
    Speech124.483126.283Speaker 1તમારા ભાઈ નું પણ <lang:Foreign>future bee</lang:Foreign> જ છે?
    Speech126.308128.083Speaker 2ના એમનો બીજો <lang:Foreign>card</lang:Foreign> છે.
    Speech129.358142.158Speaker 1અચ્છા હા તો <lang:Foreign>sir</lang:Foreign> તો તમને ખાલી જણાવો કે હજી <lang:Foreign>five <initial>G</initial></lang:Foreign>ની <lang:Foreign>services</lang:Foreign> હાજી ચાલુ નથી કરી આપના સુરત અને ભરૂચ <lang:Foreign>area</lang:Foreign> માં. એ આગળ મહિનાથી ચાલુ થવાની છે, એટલે તમે ખાલી દાસ પંદર દિવસ રાહ જોવો તો એ ચાલુ થી જશે.
    Speech144.033152.163Speaker 2પણ બિલકુલ <lang:Foreign>range</lang:Foreign> નો <lang:Foreign>issue</lang:Foreign> છે. <lang:Foreign>five <initial>G</initial></lang:Foreign> આવ્યા પછી પણ તમારો આ <lang:Foreign>problem solve</lang:Foreign> નહિ થયો તો મારે તો હાજી પંદર વિસ દિવસ મારે પૈસા <lang:Foreign>waste</lang:Foreign> જ કરવા ને.
    Speech148.438149.413Speaker 1તો
    Speech152.838159.394Speaker 1ના <lang:Foreign>sir</lang:Foreign> તમે આટલી જો તમને ખાલી હું એમ એક એ આપી શકું કે તમે આટલા દિવસ જોયું છે હજી દાસ પંદર દિવસ આપો.
    Speech159.394168.339Speaker 1તો તમારો આ છે ને <lang:Foreign>problem solve</lang:Foreign> થઇ જશે, તમે એક કામ કરો, તમે મને તમારી છે ને તમારો આ <lang:Foreign>phone number</lang:Foreign> થી આ તમારું <lang:Foreign>detail account</lang:Foreign> છે. આજ <lang:Foreign>phone number</lang:Foreign> થી?
    Speech167.514170.014Speaker 2હા આ જ, આ જ છે મારો <lang:Foreign>number</lang:Foreign>
    Speech170.064181.484Speaker 1તો ઉભા રહો હું તમારું છે ને <lang:Foreign>account</lang:Foreign> છે ને <lang:Foreign>check</lang:Foreign> કરી લઉં એમાં કંઈક <lang:Foreign>pause</lang:Foreign> પર છે કે <lang:Foreign>hold</lang:Foreign> પર છે કે તમારું કોઈ <lang:Foreign>bill</lang:Foreign> બાકી છે કે એના લીધે એવું કઈ થી છે તો હું એક વાર <lang:Foreign>check</lang:Foreign> કરી લઉં ઉભા રહો, તમારો બોલો પાછો?

    TRANSCRIPTION

    TIMETRANSCRIPT
    0.000
    2.075    		(()) <lang:Foreign>start</lang:Foreign> હા <lang:Foreign>hello</lang:Foreign>
    3.775
    4.900    		<lang:Foreign>Hello Futurebee</lang:Foreign>
    6.275
    14.900    		હા <lang:Foreign>Hello Futurebee</lang:Foreign> <lang:Foreign>से</lang:Foreign> મેં અજી અજી અજીન્ક્ય હું વાત કરું છું <lang:Foreign>futurebee</lang:Foreign> માંથી.
    16.725
    24.801    		હા <lang:Foreign>sir</lang:Foreign> મારે <lang:Foreign>actually</lang:Foreign> મારો <lang:Foreign>mobile number port</lang:Foreign> કરવો છે. #આહ મારે <lang:Foreign>Reliance Jio</lang:Foreign> પર <lang:Foreign>port</lang:Foreign> કરવો છે મારો <lang:Foreign>number</lang:Foreign> .
    27.801
    34.696    		<lang:Foreign>Reliance Jio</lang:Foreign> હમણાં તમે <lang:Foreign>Reliance Jio</lang:Foreign> પર કેમ <lang:Foreign>port</lang:Foreign> કરવા માંગો છો? માંગો છો? હું જાણી શકું છું તમારા કે શુ <lang:Foreign>problem</lang:Foreign> છે?
    33.821
    35.021    		નહિ નહ મારે
    40.421
    41.246    		<lang:Foreign>Hello</lang:Foreign>
    46.146
    48.221    		<lang:Foreign>Hello sir</lang:Foreign> તમારી અવાજ નથી આવતી.
    47.196
    48.221    		(())
    52.271
    54.221    		તમારો અવાજ જતો રહીયો હતો <lang:Foreign>sir</lang:Foreign>
    54.296
    55.446    		હવે સંભળાઈ છે?
    57.696
    59.096    		હાં હવે મને સંભળાઈ છે.
    58.246
    68.527    		#હમ મારે મારે <lang:Foreign>mobile number port</lang:Foreign> કરવો છે, <lang:Foreign>final</lang:Foreign> છે ભાઈ. મને બોવ તકલીફ થઇ છે તમારા <lang:Foreign>network</lang:Foreign> જોડે અને મારે કઈ વપરાશ બરાબર થતો નથી.
    70.602
    79.102    		<lang:Foreign>okay sir</lang:Foreign> અમે કરાવી દઇશુ એનો વાંધો નથી એ તો <lang:Foreign>TRAI regulations</lang:Foreign> છે તો અમારે કરાવું છે <lang:Foreign>but</lang:Foreign> અમારે અહીંયા એક એ લખવું પડે કે કેમ કેમ કરવો છો.
    79.187
    88.987    		તમે #આહ તો અમારે એ લખવું પડે તો તમે મને બસ ખાલી થોડાક એ આપશો તમારા <lang:Foreign>problem</lang:Foreign> શુ છે તો હું તમને ખાલી કહું કે અચ્છા કે <lang:Foreign>problem valid</lang:Foreign> છે નથી અમારી જોડે <lang:Foreign>solution</lang:Foreign> આનું.
    89.052
    92.877    		કે તમે <lang:Foreign>port</lang:Foreign> કરી શકો ના કરી શકો એકવાર મને <lang:Foreign>problem</lang:Foreign> તો જણાવો <lang:Foreign>sir</lang:Foreign> તમે.
    94.777
    101.802    		હા ભાઈ એમાં બો બધા <lang:Foreign>problem</lang:Foreign> છે. હું કૌ તો <lang:Foreign>main main</lang:Foreign> મારો <lang:Foreign>problem</lang:Foreign> એવો છે કે મારે <lang:Foreign>net</lang:Foreign> બિલકુલ <lang:Foreign>five <lang:Foreign>G</lang:Foreign> </lang:Foreign>
    104.602
    105.452    		(())
    107.377
    109.477    		<lang:Foreign>sir</lang:Foreign> તમારો તમારો અવાજ પાછો જતો રહીયો.
    109.502
    110.127    		<lang:Foreign>Hello</lang:Foreign>
    111.102
    111.878    		હાં.
    112.528
    112.798    		હાં
    113.174
    122.583    		<lang:Foreign>main problem</lang:Foreign> મારો એવો છે કે મારુ <lang:Foreign>net</lang:Foreign> બિલકુલ ચાલતું નથી. મારે <lang:Foreign>five <initial>G</initial></lang:Foreign> આપણે કરાવ્યુ નથી એટલે તો <lang:Foreign>five <initial>G</initial></lang:Foreign> આ <lang:Foreign>area</lang:Foreign> માં મારા ભાઈનું તો ચાલે છે પણ મારુ જરા એ ચાલતું નથી.
    124.483
    126.283    		તમારા ભાઈ નું પણ <lang:Foreign>future bee</lang:Foreign> જ છે?
    126.308
    128.083    		ના એમનો બીજો <lang:Foreign>card</lang:Foreign> છે.
    129.358
    142.158    		અચ્છા હા તો <lang:Foreign>sir</lang:Foreign> તો તમને ખાલી જણાવો કે હજી <lang:Foreign>five <initial>G</initial></lang:Foreign>ની <lang:Foreign>services</lang:Foreign> હાજી ચાલુ નથી કરી આપના સુરત અને ભરૂચ <lang:Foreign>area</lang:Foreign> માં. એ આગળ મહિનાથી ચાલુ થવાની છે, એટલે તમે ખાલી દાસ પંદર દિવસ રાહ જોવો તો એ ચાલુ થી જશે.
    144.033
    152.163    		પણ બિલકુલ <lang:Foreign>range</lang:Foreign> નો <lang:Foreign>issue</lang:Foreign> છે. <lang:Foreign>five <initial>G</initial></lang:Foreign> આવ્યા પછી પણ તમારો આ <lang:Foreign>problem solve</lang:Foreign> નહિ થયો તો મારે તો હાજી પંદર વિસ દિવસ મારે પૈસા <lang:Foreign>waste</lang:Foreign> જ કરવા ને.
    148.438
    149.413    		તો
    152.838
    159.394    		ના <lang:Foreign>sir</lang:Foreign> તમે આટલી જો તમને ખાલી હું એમ એક એ આપી શકું કે તમે આટલા દિવસ જોયું છે હજી દાસ પંદર દિવસ આપો.
    159.394
    168.339    		તો તમારો આ છે ને <lang:Foreign>problem solve</lang:Foreign> થઇ જશે, તમે એક કામ કરો, તમે મને તમારી છે ને તમારો આ <lang:Foreign>phone number</lang:Foreign> થી આ તમારું <lang:Foreign>detail account</lang:Foreign> છે. આજ <lang:Foreign>phone number</lang:Foreign> થી?
    167.514
    170.014    		હા આ જ, આ જ છે મારો <lang:Foreign>number</lang:Foreign>
    170.064
    181.484    		તો ઉભા રહો હું તમારું છે ને <lang:Foreign>account</lang:Foreign> છે ને <lang:Foreign>check</lang:Foreign> કરી લઉં એમાં કંઈક <lang:Foreign>pause</lang:Foreign> પર છે કે <lang:Foreign>hold</lang:Foreign> પર છે કે તમારું કોઈ <lang:Foreign>bill</lang:Foreign> બાકી છે કે એના લીધે એવું કઈ થી છે તો હું એક વાર <lang:Foreign>check</lang:Foreign> કરી લઉં ઉભા રહો, તમારો બોલો પાછો?

    Dataset Demographics

    Details Headline

    Language

    Gujarati

    Language code

    gu-in

    Country

    India

    Accents

    Kathiawari,...more

    Gender Distribution

    M:60, F:40

    Age Group

    18-70

    Audio File Details

    Details Headline

    Environment

    Silent, Noisy

    Bit Depth

    16 bit

    Format

    wav

    Sample rate

    8khz & 16 khz

    Channel

    Stereo

    Audio file duration

    5-15 minutes

    Read the License Terms

    |

    Browse FAQs

    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

    Audio Download Btn
    Audio Promp Bg
    Audio Promp Bg

    Similar to Telecom Call Center Speech Datasets

    Audio Card Head Line
    Audio data in Tamil (India) for Telecom call center

    Tamil Telecom CC Speech Data

    Telecom call center audio data in Tamil.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    English (UK) call center audio recording for Telecom industry

    British English Telecom CC Speech Data

    Telecom call center audio data in British English.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    Machine learning speech data for Telecom call center in Korean (South Korea)

    Marathi Telecom CC Speech Data

    Telecom call center audio data in Marathi.

    40 Speech Hours

    80 People

    Call Center Conversational AI

    ASR

    AI voice dataset for Telecom in Kannada (India)

    Mandarin Telecom CC Speech Data

    Telecom call center audio data in Mandarin Chinese.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    View All

    View All

    Browse All

    More in Gujarati (India)

    Audio Card Head Line
    Machine learning audio data for Realestate call center in Punjabi (India)

    Colombian Spanish Real Estate CC Speech Data

    Real Estate call center audio data in Colombian Spanish.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    AI voice dataset for BFSI in Kannada (India)

    Mandarin BFSI CC Speech Data

    BFSI call center audio data in Mandarin Chinese.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    Arabic (Egypt) training dataset for Retail and E-commerce AI

    Egyptian Arabic Retail & E-com CC Speech Data

    Retail & E-commerce call center audio data in Egyptian Arabic.

    40 Speech Hours

    80 People

    ASR

    Conversational AI

    Dutch (Netherlands) Speech to text dataset for BFSI call center

    Dutch BFSI CC Speech Data

    BFSI call center audio data in Dutch.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    View All

    View All

    Browse All

    Start your AI/ML model creation journey with FutureBeeAI!

    Contact Us

    Audio Arrow BtnAudio Arrow Btn Black
    Audio Promp 2 Bg
    cookie-icon

    We Use Cookies!!!

    We use cookies to ensure that we give you the best experience on our website. Read cookies policies.