Go Back

Go back

Marathi (India) Call Center Speech Dataset for Telecom

The audio dataset comprises call center conversations for the Telecom domain, featuring native Marathi speakers from India. It includes speech data, detailed metadata and accurate transcriptions.

Category

Unscripted Call Center Conversations

Total Volume

40 Speech Hours

Last updated

Jun 2024

Number of participants

80

Get this Speech Dataset

Get Dataset Btn
Machine learning speech data for Telecom call center in Korean (South Korea)
DownloadDownload Icon

Request Custom Collection

Get Dataset Btn

About this Off-the-shelf Speech Dataset

About Gradiet Line

Introduction

Welcome to the Marathi 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 40 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: 80 expert native Marathi speakers from the FutureBeeAI Community.
  • •
    Regions: Different regions of Maharashtra, ensuring a balanced representation of Marathi 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 Marathi 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 Marathi 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 Marathi.
  • •
    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(21)Female(56)wav, json

    TRANSCRIPTION

    LABELSTARTENDCHANNELTRANSCRIPT
    Speech0.5751.950Speaker 1<lang:Foreign>hello Futurebee</lang:Foreign>
    Babble1.1001.675--
    Speech2.9504.474Speaker 2<lang:Foreign>hello Futurebee</lang:Foreign>
    Speech5.9506.799Speaker 2<lang:Foreign>Good Morning</lang:Foreign>
    Speech7.8259.025Speaker 1<lang:Foreign>Good Morning Madam</lang:Foreign>
    Speech9.50013.250Speaker 1मला असा फोन केला होता की कारण मी असे की तुम्ही मला <lang:Foreign>mail</lang:Foreign> पाठवले होते.
    Speech13.72417.125Speaker 1तुम्हाला असे <lang:Foreign>problem</lang:Foreign> येतायेत आणि तुम्हाला <lang:Foreign>plan</lang:Foreign>ची माहिती पाहिजे होती.
    Speech17.62520.875Speaker 1आणि तसे म्हणून मी तुम्हाला आज <lang:Foreign>phone</lang:Foreign> केला होता.
    Speech21.56423.963Speaker 1तर काय <lang:Foreign>problem</lang:Foreign> आहे माझा तुम्ही सांगू शकता का मला <lang:Foreign>please</lang:Foreign> .
    Speech25.80326.254Speaker 2हो.
    Speech26.54129.765Speaker 2एक तर तुमच्या <lang:Foreign>internet</lang:Foreign>चा <lang:Foreign>problem</lang:Foreign> होतोय.
    Speech30.31532.039Speaker 2तो चालूच होत नाहीये.
    Speech32.48434.783Speaker 2<lang:Foreign>Internet</lang:Foreign> आमचं. काय झाले माहित नाही.
    Speech35.64840.798Speaker 2तर ते <lang:Foreign>modem</lang:Foreign> सुद्धा मी बघितले <lang:Foreign>modem</lang:Foreign> वरती <lang:Foreign>green light</lang:Foreign> येतो नंतर मग
    Speech41.48743.262Speaker 2<lang:Foreign>net</lang:Foreign> चालूच होत नाहीये.
    Speech44.29846.222Speaker 2अहो काय झाले माहित नाही ते.
    Speech48.78952.365Speaker 1अच्छा. आणि तुम्ही सांगत होता की <lang:Foreign>simcard</lang:Foreign> मध्ये काही तरी. तर ते काय <lang:Foreign>problem</lang:Foreign> आहे.
    Speech52.60653.381Speaker 1सांगू शकता का?
    Speech53.87555.750Speaker 1(())
    Speech54.47256.070Speaker 2<lang:Foreign>simcard</lang:Foreign>
    Speech56.65565.905Speaker 2<lang:Foreign>simcard</lang:Foreign> चे मी नंतर सांगते पहिले ह्याचे <lang:Foreign>internet</lang:Foreign>च तुम्ही बघा जरा काय झाले ते. तिकडनं तुम्हाला करता येत असेल तर तसं तिकडनं करा.
    Speech67.45369.355Speaker 1हो, मी बघतो. तसा मी प्रयत्न करतो.
    Speech69.91175.736Speaker 1चालू झाले तर चांगलीच गोष्ट आहे नाही तर आम्हाला <lang:Foreign>technician</lang:Foreign>ला पाठवावे लागेल <lang:Foreign>technician</lang:Foreign>ला यायला एक-दोन दिवस तरी लागतीलच.
    Speech76.03777.313Speaker 1आणि सध्या
    Speech76.91778.117Speaker 2दोन दिवस
    Speech79.06081.260Speaker 2<lang:Foreign>without internet</lang:Foreign> तर खूप होतो.
    Speech79.53780.212Speaker 1हो
    Speech82.38183.581Speaker 2दोन दिवस तर
    Speech83.00484.028Speaker 1हो माहिती आहे.
    Speech85.21588.290Speaker 2हो माहिती आहे मला.
    Speech85.30186.801Speaker 1दोन दिवस तर नाही चालणार तुम्ही आजच पाठवा त्याला.
    Speech89.81391.063Speaker 1हो हो पाठवू.
    Speech91.62397.873Speaker 1पण <lang:Foreign>try</lang:Foreign> करतो मी. कारण ते आज इथे असते तर आले असते.ते दुसऱ्या भागात गेले आहेत इथे जवळ नाहीत ते.
    Speech98.424100.299Speaker 1तुमच्या घरापासून म्हणून म्हटलं जरा दोन दिवस लागू शकतात.
    Speech101.519106.295Speaker 2हो पण तुमच्याकडे आणखी <lang:Foreign>employees</lang:Foreign> असतीलच ना तर त्यांना पाठवा ना. कोणी ना कोणी असेलच ना.
    Speech107.402115.751Speaker 2कारण आता काल रात्री पासन बंद झाले आहे ते. चालतच नाही तर आम्हा लोकांना काहीच बघता येत नाहीये की काही करता येत नाहीये.
    Speech108.010109.036Speaker 1ते आता
    Speech116.102119.001Speaker 2<lang:Foreign>net</lang:Foreign>ची कुठलीच कामे करता येत नाहीये.
    Speech121.561127.635Speaker 1हो ते आहे पण आम्हाला (())
    Speech128.008129.061Speaker 1माहिती आहे तिथे.
    Speech129.352132.352Speaker 1(()) तर म्हणून ते दोन जणं आहेत ते दोघेही वेगळ्या भागात गेलेत.
    Speech132.973135.323Speaker 1तर सध्या तर मी ते बघतो.
    Speech135.591138.341Speaker 1[filler] हे कधी पासून सुरु झाला आहे तुम्हाला त्रास याचा?
    Speech139.157141.181Speaker 2हा काल रात्री पासून सुरु झाला.
    Speech143.747146.098Speaker 1अच्छा. किती वाजता ते सांगू शकता का?
    Speech147.098152.573Speaker 2नाही. ते वेळेचं काय करणारे. रात्री दहा वाजता बंद झाले. त्याचा काय संबंध येतो वेळेचा?
    Speech153.044157.366Speaker 1म्हणजे त्याप्रमाणे आम्ही बघू शकतो काय तुमचंच बंद आहे की पूर्ण भागातच आहे.
    Speech157.663159.139Speaker 1तर दोन मिनिटं
    Speech159.306161.229Speaker 1<lang:Foreign>hold</lang:Foreign> करा. मी बघतो तेवढे.
    Noise161.818162.193--
    Speech162.728163.425Speaker 2ठीक आहे.
    Speech165.235170.086Speaker 1[filler] तर कळलंय की तुमच्या पूर्ण भागातले गेलेलं आहे. तुमच्या एकट्याचेच गेलेलं नाहीये.
    Speech170.145175.044Speaker 1तर ते मला असे कळलंय की ते तुमची <lang:Foreign>line cut</lang:Foreign> झाली आहे.
    Speech175.663180.062Speaker 1 तर ते फक्त (()) वेळात येतील तिथे.

    TRANSCRIPTION

    TIMETRANSCRIPT
    0.575
    1.950    		<lang:Foreign>hello Futurebee</lang:Foreign>
    1.100
    1.675    		-
    2.950
    4.474    		<lang:Foreign>hello Futurebee</lang:Foreign>
    5.950
    6.799    		<lang:Foreign>Good Morning</lang:Foreign>
    7.825
    9.025    		<lang:Foreign>Good Morning Madam</lang:Foreign>
    9.500
    13.250    		मला असा फोन केला होता की कारण मी असे की तुम्ही मला <lang:Foreign>mail</lang:Foreign> पाठवले होते.
    13.724
    17.125    		तुम्हाला असे <lang:Foreign>problem</lang:Foreign> येतायेत आणि तुम्हाला <lang:Foreign>plan</lang:Foreign>ची माहिती पाहिजे होती.
    17.625
    20.875    		आणि तसे म्हणून मी तुम्हाला आज <lang:Foreign>phone</lang:Foreign> केला होता.
    21.564
    23.963    		तर काय <lang:Foreign>problem</lang:Foreign> आहे माझा तुम्ही सांगू शकता का मला <lang:Foreign>please</lang:Foreign> .
    25.803
    26.254    		हो.
    26.541
    29.765    		एक तर तुमच्या <lang:Foreign>internet</lang:Foreign>चा <lang:Foreign>problem</lang:Foreign> होतोय.
    30.315
    32.039    		तो चालूच होत नाहीये.
    32.484
    34.783    		<lang:Foreign>Internet</lang:Foreign> आमचं. काय झाले माहित नाही.
    35.648
    40.798    		तर ते <lang:Foreign>modem</lang:Foreign> सुद्धा मी बघितले <lang:Foreign>modem</lang:Foreign> वरती <lang:Foreign>green light</lang:Foreign> येतो नंतर मग
    41.487
    43.262    		<lang:Foreign>net</lang:Foreign> चालूच होत नाहीये.
    44.298
    46.222    		अहो काय झाले माहित नाही ते.
    48.789
    52.365    		अच्छा. आणि तुम्ही सांगत होता की <lang:Foreign>simcard</lang:Foreign> मध्ये काही तरी. तर ते काय <lang:Foreign>problem</lang:Foreign> आहे.
    52.606
    53.381    		सांगू शकता का?
    53.875
    55.750    		(())
    54.472
    56.070    		<lang:Foreign>simcard</lang:Foreign>
    56.655
    65.905    		<lang:Foreign>simcard</lang:Foreign> चे मी नंतर सांगते पहिले ह्याचे <lang:Foreign>internet</lang:Foreign>च तुम्ही बघा जरा काय झाले ते. तिकडनं तुम्हाला करता येत असेल तर तसं तिकडनं करा.
    67.453
    69.355    		हो, मी बघतो. तसा मी प्रयत्न करतो.
    69.911
    75.736    		चालू झाले तर चांगलीच गोष्ट आहे नाही तर आम्हाला <lang:Foreign>technician</lang:Foreign>ला पाठवावे लागेल <lang:Foreign>technician</lang:Foreign>ला यायला एक-दोन दिवस तरी लागतीलच.
    76.037
    77.313    		आणि सध्या
    76.917
    78.117    		दोन दिवस
    79.060
    81.260    		<lang:Foreign>without internet</lang:Foreign> तर खूप होतो.
    79.537
    80.212    		हो
    82.381
    83.581    		दोन दिवस तर
    83.004
    84.028    		हो माहिती आहे.
    85.215
    88.290    		हो माहिती आहे मला.
    85.301
    86.801    		दोन दिवस तर नाही चालणार तुम्ही आजच पाठवा त्याला.
    89.813
    91.063    		हो हो पाठवू.
    91.623
    97.873    		पण <lang:Foreign>try</lang:Foreign> करतो मी. कारण ते आज इथे असते तर आले असते.ते दुसऱ्या भागात गेले आहेत इथे जवळ नाहीत ते.
    98.424
    100.299    		तुमच्या घरापासून म्हणून म्हटलं जरा दोन दिवस लागू शकतात.
    101.519
    106.295    		हो पण तुमच्याकडे आणखी <lang:Foreign>employees</lang:Foreign> असतीलच ना तर त्यांना पाठवा ना. कोणी ना कोणी असेलच ना.
    107.402
    115.751    		कारण आता काल रात्री पासन बंद झाले आहे ते. चालतच नाही तर आम्हा लोकांना काहीच बघता येत नाहीये की काही करता येत नाहीये.
    108.010
    109.036    		ते आता
    116.102
    119.001    		<lang:Foreign>net</lang:Foreign>ची कुठलीच कामे करता येत नाहीये.
    121.561
    127.635    		हो ते आहे पण आम्हाला (())
    128.008
    129.061    		माहिती आहे तिथे.
    129.352
    132.352    		(()) तर म्हणून ते दोन जणं आहेत ते दोघेही वेगळ्या भागात गेलेत.
    132.973
    135.323    		तर सध्या तर मी ते बघतो.
    135.591
    138.341    		[filler] हे कधी पासून सुरु झाला आहे तुम्हाला त्रास याचा?
    139.157
    141.181    		हा काल रात्री पासून सुरु झाला.
    143.747
    146.098    		अच्छा. किती वाजता ते सांगू शकता का?
    147.098
    152.573    		नाही. ते वेळेचं काय करणारे. रात्री दहा वाजता बंद झाले. त्याचा काय संबंध येतो वेळेचा?
    153.044
    157.366    		म्हणजे त्याप्रमाणे आम्ही बघू शकतो काय तुमचंच बंद आहे की पूर्ण भागातच आहे.
    157.663
    159.139    		तर दोन मिनिटं
    159.306
    161.229    		<lang:Foreign>hold</lang:Foreign> करा. मी बघतो तेवढे.
    161.818
    162.193    		-
    162.728
    163.425    		ठीक आहे.
    165.235
    170.086    		[filler] तर कळलंय की तुमच्या पूर्ण भागातले गेलेलं आहे. तुमच्या एकट्याचेच गेलेलं नाहीये.
    170.145
    175.044    		तर ते मला असे कळलंय की ते तुमची <lang:Foreign>line cut</lang:Foreign> झाली आहे.
    175.663
    180.062    		 तर ते फक्त (()) वेळात येतील तिथे.

    Dataset Demographics

    Details Headline

    Language

    Marathi

    Language code

    mr-in

    Country

    India

    Accents

    Varhadi,...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
    Machine learning voice data for Telecom call center in Spanish (Argentina)

    Spanish (Spain) Telecom CC Speech Data

    Telecom call center audio data in Spanish (Spain).

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    AI speech dataset for Telecom in French (France)

    Hindi Telecom CC Speech Data

    Telecom call center audio data in Hindi.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    AI audio dataset for Telecom in German (Germany)

    Italian Telecom CC Speech Data

    Telecom call center audio data in Italian.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    Audio data in Portuguese(Brazil) for Telecom call center

    Portuguese (Brazil) Telecom CC Speech Data

    Telecom call center audio data in Portuguese (Brazil)

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    View All

    View All

    Browse All

    More in Marathi (India)

    Audio Card Head Line
    AI audio dataset for BFSI in Japanese (Japan)

    Malayalam BFSI CC Speech Data

    BFSI call center audio data in Malayalam.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    Bahasa (Indonesia) Speech to text dataset for Retail and E-commerce call center

    Bahasa Retail & E-com CC Speech Data

    Retail & E-commerce call center audio data in Bahasa.

    40 Speech Hours

    80 People

    ASR

    Conversational AI

    Audio data in Tamil (India) for Healthcare call center

    Tamil Healthcare CC Speech Data

    Healthcare call center audio data in Tamil.

    30 Speech Hours

    60 People

    Call Center Conversational AI

    ASR

    Danish (Denmark) call center speech data for voicebot

    Danish Telecom CC Speech Data

    Telecom call center audio data in Danish.

    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.