Gujarati (India) Call Center Speech Dataset for Healthcare

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

About this Off-the-shelf Speech Dataset

Introduction

Welcome to the Gujarati Call Center Speech Dataset for the Healthcare domain designed to enhance the development of call center speech recognition models specifically for the Healthcare 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 Healthcare 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:

•Appointment Scheduling

•New Patient Registration

•Surgery Consultation

•Consultation regarding Diet, and many more

•Outbound Calls:

•Appointment Reminder

•Health and Wellness Subscription Programs

•Lab Tests Results

•Health Risk Assessments

•Preventive Care Reminders, 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 Healthcare 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 Healthcare 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 Healthcare sector.

•

Smart Assistants and Chatbots: Developing conversational agents and virtual assistants for customer service in the Healthcare 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 Healthcare 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 Healthcare domain call center audio dataset is created by FutureBeeAI and is available for commercial use.

Use Cases

Call Center Conversational AI

Use of speech data for Automatic Speech Recognition

ASR

Chatbot

Language Modelling

TTS

Speech Analytics

Dataset Sample(s)

00:00

ATTRIBUTES

TRANSCRIPTION

LABEL	START	END	CHANNEL	TRANSCRIPT

Speech	0.525	1.075	Speaker 1	<lang:Foreign>Hello</lang:Foreign>
Speech	1.800	4.424	Speaker 2	<lang:Foreign>Hello featurebee</lang:Foreign> #અર
Speech	5.474	8.975	Speaker 1	હા હું <lang:Foreign>feature b hospital</lang:Foreign>થી બોલું છું. <lang:Foreign>customer representative</lang:Foreign>
Speech	9.451	13.948	Speaker 1	<lang:Foreign>sir</lang:Foreign> તમે એક <lang:Foreign>Query</lang:Foreign>નોધાવી હતી અમારા <lang:Foreign>website</lang:Foreign>પર એટલે તમને <lang:Foreign>Call</lang:Foreign>કરવા માં આવે છે.
Speech	14.248	17.148	Speaker 1	તમે મને જણાવી શકો કે તમારે શું જાણવું હતું?
Speech	19.122	30.371	Speaker 2	હા<lang:Foreign>sir</lang:Foreign> મારે <lang:Foreign>Actually covid vaccine</lang:Foreign>ની થોડી ગણી માહિતી જોઈતી હતી. <lang:Foreign>Because</lang:Foreign> #અર અત્યારે મેં મારા <lang:Foreign>family</lang:Foreign> બે <lang:Foreign>dose</lang:Foreign>લીધા છે. <lang:Foreign>vaccine</lang:Foreign>ના
Speech	25.597	26.122	Speaker 1	અચ્છા
Speech	31.071	32.021	Speaker 1	હા હા
Speech	31.921	35.395	Speaker 2	તો એની આગળ શું કેવી રીતે ધ્યાન રાખવા નું એ થોડુક કહેશો અમને
Speech	37.076	40.350	Speaker 1	અચ્છા અચ્છા હા તો અત્યારે આજકાલ છે ને #આહ
Speech	41.175	43.175	Speaker 1	<lang:Foreign>covid</lang:Foreign> ની <lang:Foreign>wave</lang:Foreign> ચાલુ થાય છે.
Speech	43.650	46.574	Speaker 1	એટલે જરૂરી છે કે તમે <lang:Foreign>vaccine</lang:Foreign> લો આની અને
Speech	46.950	54.098	Speaker 1	એ આજ કાલ કેવું છે. <lang:Foreign>market</lang:Foreign> છે ને <lang:Foreign>wave</lang:Foreign> પાછી આવે છે. એટલે <lang:Foreign>covid</lang:Foreign> નો <lang:Foreign>booster dose</lang:Foreign> બધાએ કરાવી જ લેવું જોઈએ.
Speech	55.648	56.499	Speaker 1	તો એનામાં
Speech	56.900	61.872	Speaker 1	હા તમે પહેલા <lang:Foreign>vaccine</lang:Foreign> લીધી હશે તો તમે તમારા <lang:Foreign>family</lang:Foreign> વાળા એ બંને <lang:Foreign>dose</lang:Foreign> પુરા કર્યા હશે.
Speech	57.598	58.223	Speaker 2	<lang:Foreign>ok</lang:Foreign>
Speech	63.003	67.827	Speaker 2	હા અમારા અમારા પાંચ <lang:Foreign>member</lang:Foreign>છે. ઘરમાં બધાના બે બે <lang:Foreign>dose</lang:Foreign> તો થઇ ગયા છે.
Speech	68.002	70.499	Speaker 2	એમને કેટલા ત્રણ ચાર મહિના થઇ ગયા એમને લઈને
Speech	68.424	69.024	Speaker 1	આચ્છા
Speech	71.574	76.423	Speaker 1	અચ્છા કયા <lang:Foreign>dose</lang:Foreign>લીધા તા તમે <lang:Foreign>Covaxin covishield</lang:Foreign> કે બીજું કાઈ
Speech	78.573	81.247	Speaker 2	<lang:Foreign>most of</lang:Foreign> બધા ના તો અમારા <lang:Foreign>covishield</lang:Foreign>ના જ હતા.
Speech	82.372	85.308	Speaker 1	અચ્છા અને બેઉ <lang:Foreign>dose</lang:Foreign> બધા ના પુરા જ થઇ ગયા હતા.
Speech	83.808	85.758	Speaker 2	#હમ
Speech	85.808	95.807	Speaker 1	અચ્છા હા તો તમે <lang:Foreign>covishield</lang:Foreign> બેઉ <lang:Foreign>dose</lang:Foreign>પુરા કર્યા છે તો તમારે હવે ત્રીજો <lang:Foreign>booster dose</lang:Foreign>લેવા નો છે. ને હું જાની શકું કે ક્યારે અમે પુરા કર્યા છે આ બૅઉ <lang:Foreign>dose</lang:Foreign> એક વર્ષ થાયી ગયો છે આ બન્નેઓને
Speech	98.381	107.661	Speaker 2	મને તો થઇ ગયો છે. મને અને મારા <lang:Foreign>father</lang:Foreign> ને પણ મારી <lang:Foreign>wife</lang:Foreign> અને મમ્મી ના હજુ ચાર કે પાંચ મહિના થયા છે. બે <lang:Foreign>dose</lang:Foreign>પતિ ને
Speech	109.035	115.385	Speaker 1	અચ્છા અચ્છા તો એમાં <lang:Foreign>sir</lang:Foreign> વાત એવી છે કે એક વર્ષ પતેને તો જ તમારે <lang:Foreign>booster dose</lang:Foreign> લઇ શકો.
Speech	115.385	116.834	Speaker 2	<lang:Foreign>dose</lang:Foreign> લેવાય <lang:Foreign>ok</lang:Foreign>
Speech	116.359	123.908	Speaker 1	હા એટલે હમણા હું <lang:Foreign>suggest</lang:Foreign> નહિ કરીશ કે તમારા <lang:Foreign>wife</lang:Foreign> કે તમારા મમ્મી પછી કરવડાવો <lang:Foreign>but</lang:Foreign> તમે છે ને તમે અને તમારા <lang:Foreign>father</lang:Foreign> પહેલા કરાવીદોં.
Speech	124.483	132.498	Speaker 1	તો એ તો <lang:Foreign>process</lang:Foreign> તો <lang:Foreign>sir</lang:Foreign> એમાં છે ને એટલે તમે ગયા વખત કરાયું <lang:Foreign>last time</lang:Foreign> હતું એવું જ છે. એટલે એમાં કોઈ <lang:Foreign>change</lang:Foreign>નથી.
Speech	126.683	127.183	Speaker 2	#અર
Speech	133.049	134.851	Speaker 1	<lang:Foreign>but</lang:Foreign> તમારે શું જાણવું હતું
Speech	134.426	139.426	Speaker 2	અચ્છા એની પણ એની પણ <lang:Foreign>same appointment</lang:Foreign> લઇ ને <lang:Foreign>slot book</lang:Foreign> કરાવીએ એવું છે કે
Noise	135.351	138.076	-	-
Speech	139.326	149.649	Speaker 1	હા હા એ તમારે એ જે તમે આરોગ્ય શેતુ <lang:Foreign>app</lang:Foreign> ઉપર કરતાં હતા ને પહેલા જ <lang:Foreign>appointment</lang:Foreign> જોતા હતા. તમે પેલા ત્યાં એટલે કાતો એકવાર તમે <lang:Foreign>app</lang:Foreign> ખોલો એટલે હું તમને હમણાજ તમને ફટાફટ <lang:Foreign>guide</lang:Foreign> કરી દઈ તમને.
Speech	145.075	145.725	Speaker 2	#અર
Speech	151.038	151.748	Speaker 1	એવું હોય તો
Speech	152.163	152.798	Speaker 2	અચ્છા
Speech	152.899	153.413	Speaker 1	હા
Speech	153.274	163.012	Speaker 2	નહિ એ <lang:Foreign>procees</lang:Foreign> તો મને ખબર છે. એટલે <lang:Foreign>sem</lang:Foreign> પોત પોતાના બે <lang:Foreign>slot</lang:Foreign> હવે મારા ને મારા <lang:Foreign>father</lang:Foreign> ના બે <lang:Foreign>slot book</lang:Foreign> કરાવી દઈસ હું. અમારા નજીક ના <lang:Foreign>center</lang:Foreign>માં
Speech	164.111	166.211	Speaker 2	એ તો ખબર છે મને <lang:Foreign>process</lang:Foreign>
Speech	165.561	166.220	Speaker 1	હા
Speech	167.446	168.817	Speaker 1	અચ્છા હા
Speech	167.561	172.210	Speaker 2	એ <lang:Foreign>appoimennt</lang:Foreign> લઇ ને <lang:Foreign>boosterdose</lang:Foreign>લઇ આવવા નો બસ એટલું જ છે એમાં
Noise	168.818	170.760	-	-
Speech	172.910	183.023	Speaker 1	હા હા એમાં એટલું જ છે એમાં કઈ વધારે જાજુ નથી. તમે એક કામ કરો ને તમે મન ખાલી એટલું કોને હું ફટાફટ એ <lang:Foreign>chek</lang:Foreign> કરી લઉં કે <lang:Foreign>slot</lang:Foreign>માં છે કે નય <lang:Foreign>booseter dose</lang:Foreign> તમારા <lang:Foreign>area</lang:Foreign> માં તમે ક્યાં રહો છો સુરતમાં?

TIME

TRANSCRIPT

0.525 - 1.075

<lang:Foreign>Hello</lang:Foreign>

1.800 - 4.424

<lang:Foreign>Hello featurebee</lang:Foreign> #અર

5.474 - 8.975

હા હું <lang:Foreign>feature b hospital</lang:Foreign>થી બોલું છું. <lang:Foreign>customer representative</lang:Foreign>

9.451 - 13.948

<lang:Foreign>sir</lang:Foreign> તમે એક <lang:Foreign>Query</lang:Foreign>નોધાવી હતી અમારા <lang:Foreign>website</lang:Foreign>પર એટલે તમને <lang:Foreign>Call</lang:Foreign>કરવા માં આવે છે.

14.248 - 17.148

તમે મને જણાવી શકો કે તમારે શું જાણવું હતું?

19.122 - 30.371

હા<lang:Foreign>sir</lang:Foreign> મારે <lang:Foreign>Actually covid vaccine</lang:Foreign>ની થોડી ગણી માહિતી જોઈતી હતી. <lang:Foreign>Because</lang:Foreign> #અર અત્યારે મેં મારા <lang:Foreign>family</lang:Foreign> બે <lang:Foreign>dose</lang:Foreign>લીધા છે. <lang:Foreign>vaccine</lang:Foreign>ના

25.597 - 26.122

અચ્છા

31.071 - 32.021

હા હા

31.921 - 35.395

તો એની આગળ શું કેવી રીતે ધ્યાન રાખવા નું એ થોડુક કહેશો અમને

37.076 - 40.350

અચ્છા અચ્છા હા તો અત્યારે આજકાલ છે ને #આહ

41.175 - 43.175

<lang:Foreign>covid</lang:Foreign> ની <lang:Foreign>wave</lang:Foreign> ચાલુ થાય છે.

43.650 - 46.574

એટલે જરૂરી છે કે તમે <lang:Foreign>vaccine</lang:Foreign> લો આની અને

46.950 - 54.098

એ આજ કાલ કેવું છે. <lang:Foreign>market</lang:Foreign> છે ને <lang:Foreign>wave</lang:Foreign> પાછી આવે છે. એટલે <lang:Foreign>covid</lang:Foreign> નો <lang:Foreign>booster dose</lang:Foreign> બધાએ કરાવી જ લેવું જોઈએ.

55.648 - 56.499

તો એનામાં

56.900 - 61.872

હા તમે પહેલા <lang:Foreign>vaccine</lang:Foreign> લીધી હશે તો તમે તમારા <lang:Foreign>family</lang:Foreign> વાળા એ બંને <lang:Foreign>dose</lang:Foreign> પુરા કર્યા હશે.

57.598 - 58.223

<lang:Foreign>ok</lang:Foreign>

63.003 - 67.827

હા અમારા અમારા પાંચ <lang:Foreign>member</lang:Foreign>છે. ઘરમાં બધાના બે બે <lang:Foreign>dose</lang:Foreign> તો થઇ ગયા છે.

68.002 - 70.499

એમને કેટલા ત્રણ ચાર મહિના થઇ ગયા એમને લઈને

68.424 - 69.024

આચ્છા

71.574 - 76.423

અચ્છા કયા <lang:Foreign>dose</lang:Foreign>લીધા તા તમે <lang:Foreign>Covaxin covishield</lang:Foreign> કે બીજું કાઈ

78.573 - 81.247

<lang:Foreign>most of</lang:Foreign> બધા ના તો અમારા <lang:Foreign>covishield</lang:Foreign>ના જ હતા.

82.372 - 85.308

અચ્છા અને બેઉ <lang:Foreign>dose</lang:Foreign> બધા ના પુરા જ થઇ ગયા હતા.

83.808 - 85.758

#હમ

85.808 - 95.807

અચ્છા હા તો તમે <lang:Foreign>covishield</lang:Foreign> બેઉ <lang:Foreign>dose</lang:Foreign>પુરા કર્યા છે તો તમારે હવે ત્રીજો <lang:Foreign>booster dose</lang:Foreign>લેવા નો છે. ને હું જાની શકું કે ક્યારે અમે પુરા કર્યા છે આ બૅઉ <lang:Foreign>dose</lang:Foreign> એક વર્ષ થાયી ગયો છે આ બન્નેઓને

98.381 - 107.661

મને તો થઇ ગયો છે. મને અને મારા <lang:Foreign>father</lang:Foreign> ને પણ મારી <lang:Foreign>wife</lang:Foreign> અને મમ્મી ના હજુ ચાર કે પાંચ મહિના થયા છે. બે <lang:Foreign>dose</lang:Foreign>પતિ ને

109.035 - 115.385

અચ્છા અચ્છા તો એમાં <lang:Foreign>sir</lang:Foreign> વાત એવી છે કે એક વર્ષ પતેને તો જ તમારે <lang:Foreign>booster dose</lang:Foreign> લઇ શકો.

115.385 - 116.834

<lang:Foreign>dose</lang:Foreign> લેવાય <lang:Foreign>ok</lang:Foreign>

116.359 - 123.908

હા એટલે હમણા હું <lang:Foreign>suggest</lang:Foreign> નહિ કરીશ કે તમારા <lang:Foreign>wife</lang:Foreign> કે તમારા મમ્મી પછી કરવડાવો <lang:Foreign>but</lang:Foreign> તમે છે ને તમે અને તમારા <lang:Foreign>father</lang:Foreign> પહેલા કરાવીદોં.

124.483 - 132.498

તો એ તો <lang:Foreign>process</lang:Foreign> તો <lang:Foreign>sir</lang:Foreign> એમાં છે ને એટલે તમે ગયા વખત કરાયું <lang:Foreign>last time</lang:Foreign> હતું એવું જ છે. એટલે એમાં કોઈ <lang:Foreign>change</lang:Foreign>નથી.

126.683 - 127.183

#અર

133.049 - 134.851

<lang:Foreign>but</lang:Foreign> તમારે શું જાણવું હતું

134.426 - 139.426

અચ્છા એની પણ એની પણ <lang:Foreign>same appointment</lang:Foreign> લઇ ને <lang:Foreign>slot book</lang:Foreign> કરાવીએ એવું છે કે

135.351 - 138.076

139.326 - 149.649

હા હા એ તમારે એ જે તમે આરોગ્ય શેતુ <lang:Foreign>app</lang:Foreign> ઉપર કરતાં હતા ને પહેલા જ <lang:Foreign>appointment</lang:Foreign> જોતા હતા. તમે પેલા ત્યાં એટલે કાતો એકવાર તમે <lang:Foreign>app</lang:Foreign> ખોલો એટલે હું તમને હમણાજ તમને ફટાફટ <lang:Foreign>guide</lang:Foreign> કરી દઈ તમને.

145.075 - 145.725

#અર

151.038 - 151.748

એવું હોય તો

152.163 - 152.798

અચ્છા

152.899 - 153.413

હા

153.274 - 163.012

નહિ એ <lang:Foreign>procees</lang:Foreign> તો મને ખબર છે. એટલે <lang:Foreign>sem</lang:Foreign> પોત પોતાના બે <lang:Foreign>slot</lang:Foreign> હવે મારા ને મારા <lang:Foreign>father</lang:Foreign> ના બે <lang:Foreign>slot book</lang:Foreign> કરાવી દઈસ હું. અમારા નજીક ના <lang:Foreign>center</lang:Foreign>માં

164.111 - 166.211

એ તો ખબર છે મને <lang:Foreign>process</lang:Foreign>

165.561 - 166.220

હા

167.446 - 168.817

અચ્છા હા

167.561 - 172.210

એ <lang:Foreign>appoimennt</lang:Foreign> લઇ ને <lang:Foreign>boosterdose</lang:Foreign>લઇ આવવા નો બસ એટલું જ છે એમાં

168.818 - 170.760

172.910 - 183.023

હા હા એમાં એટલું જ છે એમાં કઈ વધારે જાજુ નથી. તમે એક કામ કરો ને તમે મન ખાલી એટલું કોને હું ફટાફટ એ <lang:Foreign>chek</lang:Foreign> કરી લઉં કે <lang:Foreign>slot</lang:Foreign>માં છે કે નય <lang:Foreign>booseter dose</lang:Foreign> તમારા <lang:Foreign>area</lang:Foreign> માં તમે ક્યાં રહો છો સુરતમાં?