Visual BankがAI学習データ『Qlean Dataset』の新ラインナップを発表！

Visual Bankが新たなAI学習用データセットを提供開始

Visual Bank株式会社が、AI学習のためのデータソリューション『Qlean Dataset』において、新たなデータセット『日本語・2話者・テクノロジーテーマトーク音声トランスクリプト』の提供を始めました。このデータセットは、日本語での2者間の対話を録音したもので、テクノロジーやITに関する内容を中心に構成されています。

データセットの概要

このデータセットは、約200時間にわたる音声データとそれに対応するテキストトランスクリプトから成り立っています。録音された音声は、男女の日本人話者によるもので、年齢は20代から50代までの幅広い層を含んでいます。データ形式は、多くの研究や実用的な用途に対応したwavまたはmp3の音声ファイル及びtxt形式のテキストデータで提供されています。

自然な対話形式

この『日本語・2話者・テクノロジーテーマトーク音声トランスクリプト』は、スクリプトに依存しない形式で録音されており、質問や説明、意見交換、比較、事例紹介といった実際の技術議論に即した自然な流れで進行します。このような特徴から、音声認識（ASR）や自然言語処理（NLP）といったAIモデルの研究開発にも大いに役立つことでしょう。

ユースケース

研究用途

1. 発話役割の分析: 技術に関する2者間の対話を使用することで、質問や説明、同意や反論の流れを分析できます。
2. 音声認識モデルの評価: 特定の専門用語を含む対話音声を用いた認識精度の評価が可能です。
3. 対話理解研究: 技術ニュースに関する会話を用いて話題追跡や要点抽出のモデル検証に利用できます。

産業用途

1. 音声対話AIの学習: このデータを基に、技術文脈を理解するAIシステムの学習が進められます。
2. 音声テキスト化・要約モデル: 長時間の技術トークから自動的に要約を生成するモデル開発に利用できます。
3. 社内ナレッジシェア: ITツールの利用方法を説明する対話を通じて技術サポートのモデルを検証できます。

教育利用

技術教育向けの対話教材としても役立つデータセットであり、平易な言葉を用いて専門的なテーマを説明し合う内容が含まれています。

まとめ

Visual Bankの『Qlean Dataset』は、商業利用にも対応可能で、データパートナーとの協業を通じて継続的に増強されています。AI開発におけるデータ収集の負担を軽減し、権利クリアで法的リスクのない環境を提供することで、さまざまな研究やビジネスの場面での利用が期待されています。

詳細はQlean Datasetの公式サイトをご覧ください。