Datasets:

Bingsu
/

zeroth-korean

Tasks:

Automatic Speech Recognition

Languages: Korean

Multilinguality: monolingual

Size Categories: 10K<n<100K

Language Creators: crowdsourced

Source Datasets: extended|kresnik/zeroth_korean

License: cc-by-4.0

Dataset card Files Files and versions Community

Dataset Viewer

Auto-converted to Parquet

Go to dataset viewer

Viewer

audio audio	text string
	"인사를 결정하는 과정에서 당 지도부가 우 원내대표 및 원내지도부와 충분한 상의를 거치지 않은 채 일방적으로 인사를 했다는 불만도 원내지도부를 중심으로 흘러나왔다"
	"특히 전 전 대통령은 내빈 소개 때 여전히 전두환 각하라고 불리기도 했다"
	"건보공단이 이씨에게 징수금을 부과하고 재산을 압류한 것은 부당하다고 판결했다"
	"아버지 신격호 롯데 총괄회장이 축출한 가신들을 결집시킨 신동빈 회장이 한 일 롯데의 지주회사인 일본 롯데홀딩스 주주총회에서 종지부를 찍는 전략으로 가닥을 잡았다"
	"앵커 오늘 새벽 전남 여수에서 오늘 새벽 전남 여수에서 무궁화호 열차가 탈선했습니다"
	"입소문이 나자 낙동강유역환경청은 지난해 삼 월 뉴트리아 퇴치전담반을 꾸리고 전씨를 퇴치반장으로 스카우트했다"
	"가방을 비롯한 수하물들을 컨베이어 벨트 위에 가능한 한 납작하게 올려놓으십시오"
	"설사 다수의 생각에 반하는 내용의 대자보가 붙더라도 학생들은 반박 대자보를 게재하거나 포스트잇에 자신의 의견을 담아 대자보 곁에 붙여놓지 대자보를 훼손하지는 않는다"
	"천정배 혁신안은 이천 십 이 년 총선에선 여성 십 오 퍼센트 이후 선거에서는 여성 삼십 퍼센트 할당제를 제안했고 한명숙 지도부는 이를 수용했다"
	"이 법안은 지난해 구 월 법무부가 입법예고한데 이어 지난달 삼십 일 일 국무회의를 통과했다"
	"하지만 만성적인 운전자 부족에 시달리는 업계의 현실에서 이 같은 대책이 실효성이 없다는 지적이다"
	"다만 다양한 증언과 목격을 통해 이슬람 극단 세력이 이번 테러의 배후세력이라는 추정이 나온다"
	"시가 총액 칠 천억 달러를 사상 최초로 돌파하면서 최전성기를 구가하고 있다"
	"이에 반해 청와대 사진은 한 컷도 예외 없이 대통령의 모습을 담고 있으며 상황에 따라 일정한 구도가 반복된다"
	"이른바 온라인 페미니즘이 지금 여기까지 오게 된 것도 팔십 년대 이후 한국에 뿌리를 내리기 시작한 페미니즘의 흐름에 많은 빚을 졌다"
	"국민의당이 십 사 쩜 팔 퍼센트로 새누리당이 십 이 퍼센트 바른정당이 십 쩜 사 퍼센트로 오차범위 내에서 국민의당 새누리당 바른정당이 팽팽한 것으로 나타났습니다"
	"작년 칠 월 정계를 은퇴한 손 전 대표는 그동안 정치권과 거리를 두는 모습을 보였지만 최근 카자흐스탄 강연에서 박근혜 대통령의 대북정책을 비판하면서 정치현안에 대해 입을 열었다"
	"대다수 사람이 화를 내고 화해로 끝을 맺지만 병원 치료가 필요한 경우는 있다"
	"이런 모독적인 발언은 오히려 헌재 재판관들이 대통령 파면 쪽으로 마음을 굳히는 데 결정적인 역할을 한 것으로 알려졌다"
	"근데 여전히 세월호 일곱 시간에 대해서는 미궁이거든요"
	"그리고 오바마 대통령이 걸려 넘어지지 않도록 차고 바닥을 깨끗이 치워달라고 요구한 것으로 알려졌다"
	"상위 일 퍼센트가 소득 삼 억 구천 만원이 될 동안 하위 이십 퍼센트는 소득이 오 만원 늘었습니다"
	"검찰 관계자는 십 칠 일 내부 기류는 기본적으로 구속영장 청구가 불가피하다는 인식이라고 말했다"
	"대부분은 복합적인 국제 정치 상황에서 나오는 좌절을 제게 쏟아내는 거다"
	"약 백 명의 성경 연구생이 포즈디쇼브체 마을에서 모였습니다"
	"홍어는 일베 사용자들이 전라도민들을 비하할 때 쓰는 단어이다"
	"경찰청은 십 구 일 오후 경찰청에서 브리핑을 열어 이번 집회를 사 십 팔 불법 폭력 집회로 규정하고 시위 주동자와 극렬 행위자들을 끝까지 추적해 전원 사법처리할 계획이라고 밝혔다"
	"회수대상은 이천 십 육 년 시 월 일 일 에서 이천 십 육 년 십 일 월 십 구 일 내로 유통기한이 표시된 제품들이다"
	"또 이번 사태를 통해 북한이 남 남 갈등을 기대했다면 북한군 입장에서는 우리군의 사기만 올려준 꼴이 됐다"
	"다음 질문들에 답한 다음 성구에 있는 빈칸을 채워 넣으십시오"
	"업계는 국내 단체급식 시장 규모를 십 구 조원가량으로 추산하고 있다"
	"강아지가 용변을 보도록 유도하는 말을 가르칠 수도 있다"
	"안민석 우선 성난 민심을 조롱하는 대통령의 말씀이었다고 생각 되는데요"
	"그리고 우리 언론에는 칼빈슨함만 이야기를 하고 있지만 아까 도 살짝 언급을 하셨는데 니미츠 항공모함이라고 있습니다"
	"배우 나영희 윤유선 코미디언 이성미 등도 비통함을 금치 못했다"
	"그러므로 폭풍이나 홍수 같은 자연재해에 대한 직접적인 책임이 사탄에게 있다고 단정하지 마십시오"
	"박근혜 대통령의 국정농단 연루로 헌법재판소에선 탄핵 심판이 진행 중이고 이로 인해 여권은 새누리당과 바른정당으로 갈리는 초유의 보수당 분당 사태까지 일어났다"
	"문 후보 측 박광온 공보단장은 각 매체로선 대선 후보 인터뷰가 오 년에 딱 한 번 주어지는 만큼 모두에게 골고루 기회를 주자는 취지라고 설명했다"
	"야당 지지자들은 문 대표의 무능에 진절머리를 낼 테고 떨어지는 지지율 소리에 의원들은 좌불안석일 것이다"
	"새누리당 핵심 관계자는 구 일 현행 교과서에 문제가 많다는 것에 대해선 이견이 없다고 말했다"
	"오씨는 통화를 하면서 돈을 냉장고에 둔 뒤 문을 세 번 두드리고 보관해 두었지만 한씨 등이 전날 경찰에 잡히면서 피해를 보지는 않았다"
	"그리고 수사를 관련자를 마흔 여섯 명이나 불러서 조사를 했어요"
	"지인클리닉의원의 박해상 원장은 겨드랑이 털은 특별한 기능이 없다"
	"도지사 삼 선 도전에 대해서는 적절한 시점에 너무 늦지 않게 말씀 드릴 것이라며 가능성을 열어놓았다"
	"그는 앞서 열린 국회 탈당 회견에서 지난 이십 년간 당을 옮긴 적도 지역구를 떠난 적도 없고 당을 위해 헌신했다"
	"경향신문 변모씨는 열 개월 전 오백 만원을 주고 반려견을 집에 들였다"
	"정씨는 안 전 수석과 최씨가 거의 하루이틀 사이로 감사를 해임하라고 말했고 재단의 중요한 결정 과정에서 두 사람이 확인해준 내용이 거의 일치했다고 설명했다"
	"그리고 사퇴하기 전에 대국민 사과 밑 새누리당에도 사과를 해야 하는데 지금 전혀 사과 기미가 없고요"
	"알겠습니다 그러면 먼저 지금 대학입시제도부터 좀 알고 토론에 들어가죠"
	"이는 인사권자인 박근혜 대통령에게도 부담으로 작용할 수 있다"
	"롯데홀딩스는 한국 롯데의 지주회사격인 호텔롯데를 지배하고 있어 향후 롯데그룹의 경영권 향배를 좌우할 핵심으로 꼽힌다"
	"저희들이 생각하는 가장 유력한 증거는 현재 화물차에 접수돼 있던 차량에 보면 블랙박스가 있지 않습니까"
	"지난 십 년간 기술의 발달로 통신계에 일대 혁명이 일어났다"
	"미국의 서른 다섯 개 주에서도 리벤지 포르노 금지법을 시행중이다"
	"그렇지만 헌법 제 이십 칠 조 형사피고인은 유죄의 판결이 확정될 때까지는 무죄로 추정된다"
	"하지만 이 도마뱀은 어떻게 중력을 거슬러 다리에서부터 몸을 거쳐 입까지 물을 끌어 올릴 수 있습니까"
	"그러나 그 논의가 한국인의 부족함으로 흘러가는 것을 의도하진 않았다고 설명했습니다"
	"이 법은 구상단계에서부터 기업의 자율성을 해친다는 비판은 물론 진짜로 능력이 있는 여성은 쿼터제 없이도 승진한다거나 다수가 아닌 특권층 여성만 혜택을 본다는 반대 의견에 부딪혔다"
	"오는 삼십 일 국회 본회의에서 건보 개편안을 확정하면 당장 내년 칠 월부터 바뀐 보험료를 내야 하고 유예 기간이 끝나는 이천 이십 이 년부터는 대폭 변화가 있을 예정이다"
	"컨테이너 박스 같은 공간을 내주는 곳도 여러 곳이 있다"
	"바다의 물결은 남해 먼바다와 제주도 전 해상에서 이 쩜 공 사 쩜 공 미터로 매우 높게 일겠고 그 밖의 해상에서는 영 쩜 오 이 쩜 오 미터로 일겠다"
	"이런 문제는 최근 흔히들 말하는 작은 결혼식에 대한 이해의 문제에서부터 시작한다"
	"일본은 아무리 사죄해도 충분하지 않을 만큼 막대한 범죄를 한국에 저질렀습니다"
	"이들 작품은 그의 인생을 바꿨고 오늘의 그를 있게 했다"
	"그러면 연락을 받은 수취 은행에서 계좌 주인에게 전화를 걸어 돈을 돌려 달라고 요청한다"
	"그렇지만 지금 그 어디에도 결정을 할 때 문재인 당시 비서실장이 북한의 지시를 받고 했다 결재를 받고 했다는 건 없어요"
	"아마존은 상품 배송에 드론을 이용하겠다며 아마존 프라임에어 계획을 발표했다"
	"반면 여권이 좌편향의 표적으로 삼은 칠 종의 검정 한국사 검정교과서는 주체사상의 실체가 아닌 비판적 소개에 집중했다"
	"넣으면 고소한 향이 나지만 많이 끓이면 쓴맛이 날 수 있으니까 마지막에 살짝만 뿌려주세요"
	"특히 올해 들어 성범죄 공무원에 감경 비율이 크게 늘어났다"
	"하지만 왕 회장은 로이드리스트 인터뷰에서 상황이 어떻든 용선료 인하를 받아들일 수 없다고 강조했다"
	"중국은 이밖에 만재배수량 이천 에서 사천 팔백 톤에 이르는 상륙함도 다수 보유하고 있는 등 상당한 상륙전 능력을 갖추고 있다"
	"뇌 조직 일 그램에 수백만 개가 쌓여 있기도 했습니다"
	"또한 이른바 과도기에 있는 나라들 특히 동유럽의 나라들과 구소련의 공화국들에 살고 있는 사람들 중에도 영양 부족 상태에 있는 사람이 이천 칠백 만 명이나 됩니다"
	"미래부 개편 스마트일자리 프로젝트로 사 차 산업혁명 준비 저성장 늪에 빠진 대한민국이 재도약하기 위해 사 차 산업혁명 물결 속에서 어떤 전략을 취해야 할까요"
	"영국 돈인 파운드화 가치도 브렉시트 쪽으로 결론이 나지 않는 것이라는 기대 속에 계속 올랐어"
	"아직 사각지역에서 버려지는 아이들과 제도 속에 포함되지 못하는 아이들에 대한 특별한 조치는 제대로 이루어질 필요가 있다"
	"평양에서 단란하게 가정을 꾸리며 행복하게 잘 살았어요"
	"홍 지사는 전국 광역지방자치단체 최초로 채무 제로를 달성하겠다는 목표도 밝혔다"
	"이 의원은 곡성은 부모님께서 지금도 살고 계시는 저의 영원한 고향이자 마음의 지역구라면서도 순천 발전을 위한 큰 구상을 갖고 있다고 강조했다"
	"그는 또 이정현 새누리당 대표가 자기 당 비박계에게 대선주자 지지율을 다 합쳐도 십 퍼센트도 안 되는데 떠든다고 독설을 퍼부었다며 이건 분당하자는 통첩으로 보인다고 비난했다"
	"또한 오래 근무하지 않고 일찍 청와대를 나온 이유도 석연치 않다"
	"정부가 이천 십 삼 년 소득공제를 세액공제로 바꾸고 올해 들어 연말정산 파동이 커지자 저소득층 및 중산층 세금을 깎으면서다"
	"후속 대책으로 판매 제품 전량을 신제품으로 교환하기로 했다"
	"앞으로의 한 일 관계가 어떻게 되어야 하느냐는 질문에 다른 나라와 똑같이 전략적으로 생각해야 한다는 응답이 삼십 칠 쩜 팔 퍼센트로 가장 많았다"
	"경찰의 카메라에 담긴 화면으로는 라이드가 경찰에게 어떤 위협을 가했는지는 정확하게 드러나지 않고 있다"
	"사람들은 호박 구슬을 실에 꿰어 목에 걸고 다니면 머리와 목과 인후의 통증이 완화되고 호박으로 만든 팔찌는 류머티즘을 앓고 있는 사람들에게 도움이 된다고 믿었습니다"
	"또 밀항 시도 가능성도 열어두고 수사를 전방위적으로 확대하고 있는 상황이다"
	"김씨는 사고 당일 약을 먹은 사실이 없다고 진술 경찰은 김씨의 채혈과 소변 등을 국립과학수사연구원에 분석을 의뢰한 상태이다"
	"동 지에서는 인식 부족과 시력 전문가의 부족을 인도가 안고 있는 문제의 주요 원인으로 꼽았다"
	"편도선 줄기세포는 수술 후에 버려지는 편도선 조직에서 추출하기 때문에 다른 줄기세포와 달리 공여자의 부가적인 고통이 없는 게 특징이다"
	"업무 강도가 센 직업이라 야근과 주말근무를 할 때도 많아서 입주돌보미를 구했는데 비용이 높았다"
	"아영씨의 그런 태도를 반복적으로 접하는 사람들은 아영씨를 존중하지도 조심스럽게 대하지도 않게 돼요"
	"한편 새누리당은 팔 일 국회의원 연찬회를 통해 새 당명을 자유한국당으로 결정했다"
	"그 누군가가 방탄소년단이 되고 우리가 더 큰 목소리로 그 문제들에 관해 얘기할 수 있게 된다면 더욱 큰 힘을 가지게 될 것이라며 음악적 주제의식에 대해 솔직히 답했다"
	"박재홍 어제 이 소식 듣고 많이 놀라셨을 것 같아요 많은 분들이"
	"배송장소와 요금까지 정확히 알고 있어서 사람들을 쉽게 속일 수 있었습니다"
	"일각에서는 급격히 팽창한 신규 시장이 트렌드의 변화로 해당 시장과 관련시장을 위축 시킨다는 염려의 시각도 있다"
	"서울권 대학 교직원 초봉 삼 천만원대 중견기업 수준서울권 대학 교직원의 초임 수준은 학교마다 다르지만 대체로 중견기업 수준이다"
	"시간이 흘러 중국계 인도네시아인이셨던 부모님과 그들의 자녀 다섯 명이 증인이 되었습니다"

Zeroth-Korean

The data set contains transcriebed audio data for Korean. There are 51.6 hours transcribed Korean audio for training data (22,263 utterances, 105 people, 3000 sentences) and 1.2 hours transcribed Korean audio for testing data (457 utterances, 10 people). This corpus also contains pre-trained/designed language model, lexicon and morpheme-based segmenter(morfessor). Zeroth project introduces free Korean speech corpus and aims to make Korean speech recognition more broadly accessible to everyone. This project was developed in collaboration between Lucas Jo(@Atlas Guide Inc.) and Wonkyum Lee(@Gridspace Inc.).

Contact: Lucas Jo([email protected]), Wonkyum Lee([email protected])

License

CC BY 4.0

Dataset Structure

Data Instance

>>> from datasets import load_dataset
>>> dataset = load_dataset("Bingsu/zeroth-korean")
>>> dataset
DatasetDict({
    train: Dataset({
        features: ['audio', 'text'],
        num_rows: 22263
    })
    test: Dataset({
        features: ['text', 'audio'],
        num_rows: 457
    })
})

Data Size

download: 2.68 GiB
generated: 2.85 GiB
total: 5.52 GiB

Data Fields

audio: audio, sampling rate = 16000
- A dictionary containing the path to the downloaded audio file, the decoded audio array, and the sampling rate.
- Note that when accessing the audio column: dataset[0]["audio"] the audio file is automatically decoded and resampled to dataset.features["audio"].sampling_rate. Decoding and resampling of a large number of audio files might take a significant amount of time. Thus it is important to first query the sample index before the "audio" column, i.e. dataset[0]["audio"] should always be preferred over dataset["audio"][0].
text: string

>>> dataset["train"][0]
{'audio': {'path': None,
  'array': array([-3.0517578e-05,  0.0000000e+00, -3.0517578e-05, ...,
          0.0000000e+00,  0.0000000e+00, -6.1035156e-05], dtype=float32),
  'sampling_rate': 16000},
 'text': '인사를 결정하는 과정에서 당 지도부가 우 원내대표 및 원내지도부와 충분한 상의를 거치지 않은 채 일방적으로 인사를 했다는 불만도 원내지도부를 중심으로 흘러나왔다'}