Marathi (India) Call Center Speech Dataset for Healthcare

The audio dataset includes call center conversations in Healthcare, featuring native Marathi speakers from India, with detailed metadata and accurate transcriptions.

Category

Unscripted Call Center Conversations

Total Volume

40 Speech Hours

Last updated

July 2023

Number of participants

80

Get this Speech Dataset

Get Dataset Btn

About this Off-the-shelf Speech Dataset

About Gradiet Line

What’s Included

Welcome to the Marathi Language Call Center Speech Dataset for the Healthcare domain. It is a specialized and comprehensive collection of voice data designed to enhance the development of call center speech recognition models specifically for the Healthcare industry.


With high-quality call center audio recordings, detailed metadata, and accurate transcriptions, it empowers researchers and developers to enhance natural language processing, conversational AI, and generative voice AI algorithms in the Healthcare domain. Moreover, it facilitates the creation of sophisticated voice assistants and voice bots tailored to the unique linguistic nuances found in the Marathi language spoken in India.


Speech Data:

This training dataset comprises 40 hours of call center audio recordings covering various topics and scenarios related to the Healthcare domain, to build robust and accurate customer service speech technology.


To curate realistic call center interactions, we collaborated with a diverse network of 80 expert native Marathi speakers from different part of Maharashtra. This collaborative effort ensures a balanced representation of Indian accents, dialects, and demographics, promoting inclusivity and reducing biases in the dataset.


Each audio recording captures the essence of unscripted and spontaneous conversations between call center agents and customers, with an average duration ranging from 5 to 15 minutes per call. The dataset includes both inbound and outbound calls, covering scenarios such as inquiries, promotional offers, complaints, technical support, and more. Additionally, the dataset contains call center conversations with both positive and negative outcomes, providing a diverse and realistic dataset.


The speech data is available in WAV format with stereo channels, a bit depth of 16 bits, and a sample rate of 8 kHz, ensuring high-quality audio for accurate analysis. The recording environment is generally quiet, without background noise and echo.


Metadata:

In addition to the audio recordings, our dataset provides comprehensive metadata for each participant. This includes the participant’s age, gender, country, state, and dialect. Additionally, it includes metadata like domain, topic, call type, outcome, bit depth, and sample rate for each conversation.


The metadata serves as a powerful tool for understanding and characterizing the data, enabling informed decision-making in the development of Marathi language call center speech recognition models for the Healthcare domain.


Transcription:

To facilitate your workflow, the dataset includes manual verbatim transcriptions of each call center audio file in JSON format. The transcriptions capture speaker-wise transcription with time-coded segmentation along with non-speech labels and tags, covering both the agent and customer conversations.


These ready-to-use transcriptions accelerate the development of Healthcare call center conversational AI and ASR models for the Marathi language.


Updates and Customization:

We understand the importance of collecting data in various environments to build robust ASR models. Therefore, our call center voice dataset is regularly updated with new audio data captured in diverse real-world conditions.


If you require a custom training dataset with specific environmental conditions, we can accommodate your request. We can provide voice data with customized sample rates ranging from 8kHz to 48kHz, allowing you to fine-tune your models for different audio recording setups. Additionally, we can also customize the transcription following your specific guidelines and requirements, to further support your ASR development process.


License:

This Healthcare call center audio dataset is created by FutureBeeAI and is available for commercial use!


Conclusion:

Whether you are training or fine-tuning speech recognition models, advancing NLP algorithms, or building state-of-the-art voice assistants to improve customer experiences in the Healthcare sector, our dataset serves as a trusted resource to meet your goals


Use Cases

Use of speech data for Automatic Speech Recognition

ASR

Use of speech data in Conversational AI

Conversational AI

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(22)Male(19)wav, json

TRANSCRIPTION

LABELSTARTENDCHANNELTRANSCRIPT
Speech1.4432.277Speaker 1<lang:Foreign>Hello Futurebee</lang:Foreign>
Speech3.9725.000Speaker 2<lang:Foreign>Hello Futurebee</lang:Foreign>
Speech5.7776.971Speaker 2सुप्रभात <lang:Foreign>Doctor</lang:Foreign> <PII>जॉन</PII>
Speech10.11110.858Speaker 1सुप्रभात <PII>टॉम</PII>
Speech11.55712.554Speaker 1आज तुला कसं वाटतंय?
Speech15.77819.195Speaker 2[filler]<lang:Foreign>Doctor</lang:Foreign> मला हवामानामुळे थोडसं वाईट वाटतंय.
Speech20.92521.725Speaker 1बघतो.
Speech22.42527.960Speaker 1आम्ही सुरुवात करण्यापूर्वी तू~तुम्ही तुमची जन्मतारीख आणि पत्ता पुष्टी करुं शकता का?
Speech30.83233.862Speaker 2[filler]होय [filler] माझी जन्मतारीख आहे
Speech35.31137.682Speaker 2<PII>एक, दोन, दोन हजार तीन</PII>
Speech39.66141.712Speaker 2आणि माझा पत्ता <PII>पंचवटी,</PII>
Speech42.86544.645Speaker 2[noise] मुंबई हा आहे.
Speech49.02149.596Speaker 1धन्यवाद.
Speech49.89856.523Speaker 1आता आपल्या वैद्यकीय इतिहासाबद्दल आणि आपण अनुभवत असलेल्या कोणत्याही लक्षणाबद्दल मला सांगू शकाल का?
Speech59.46271.462Speaker 2[filler]ठीक आहे <lang:Foreign>Doctor</lang:Foreign> [filler] मला गे~ल्या काही दिवसांपासून मला खोकला आणि छातीत जडपणा जाणवत होता [filler] मला डोकेदुखी आणि घसा दुखत, डोकं आणि घसा पण दुखत आहे
Speech73.45675.072Speaker 1अच्छा. ठीक आहे.
Speech75.59678.081Speaker 1मला तुमचा वैद्यकीय इतिहास तपासू द्या.
Speech80.51382.983Speaker 1मी पाहतो की तुम्हाला दम्याचा त्रास आहे.
Speech84.19787.084Speaker 1तुम्ही तुमचे <lang:Foreign>inhaler</lang:Foreign> लिहून दिल्या प्रमाणे घेत आहात का?
Speech90.38593.025Speaker 2[filler]होय <lang:Foreign>sir</lang:Foreign> मी ते नियमितपणे घेत आहे.
Speech94.92495.617Speaker 1छान.
Speech96.786100.980Speaker 1तुमच्या लक्षणांवर आधारित तुम्हाला दम्याचा त्रास होण्याची शक्यता आहे पुढे.
Speech102.292107.319Speaker 1मला निदानाची पुष्टी करण्यासाठी शारीरिक तपासणी आणि कार्य चाचणीसाठी,
Speech108.253110.474Speaker 1<lang:Foreign>follow up</lang:Foreign> भेटीची वेळ निश्चित करावी लागेल.
Speech112.180117.042Speaker 1दरम्यान, मी तुमच्या श्वास नलिकेतील जळजळ कमी करण्यात मदत करण्यासाठी
Speech118.048119.548Speaker 1<lang:Foreign>steroid</lang:Foreign>चा <lang:Foreign>course</lang:Foreign> लिहून देतो.
Speech120.709121.209Speaker 1ठीक आहे.
Speech123.462124.462Speaker 2[filler]ठीक आहे.
Speech126.870128.787Speaker 1ती तुमच्या पसंतीच्या <lang:Foreign>forms</lang:Foreign> मध्ये
Speech130.348131.401Speaker 1<lang:Foreign>prescription</lang:Foreign> पाठवीन
Speech132.068132.793Speaker 1कृपया
Speech133.419138.552Speaker 1लिहून दिल्या प्रमाणेऔषध घ्या आणि एका आठवड्यानंतर माझ्याकडे पाठपुरावा करण्यासाठी
Speech139.306139.723Speaker 1या.
Speech140.776144.721Speaker 1या दरम्यान निर्देशानुसार तुमचे <lang:Foreign>inhaler</lang:Foreign> घेणे सुरू ठेवणे आणि
Speech145.448147.782Speaker 1दम्याचे लक्षण वाढवणारे कोणतेही कार्य
Speech148.543149.181Speaker 1हे टाळा.
Speech152.770154.354Speaker 2[filler]समजले <lang:Foreign>Doctor</lang:Foreign>
Speech155.049156.687Speaker 2तुमच्या मदतीबद्दल धन्यवाद.
Speech157.705158.336Speaker 1नक्कीच.
Speech159.312163.453Speaker 1तुम्हाला आणखी काही शंका किंवा प्रश्न असल्यास तुम्ही मला विचारू शकता.
Speech166.026167.793Speaker 2[noise] [filler] <lang:Foreign>Doctor</lang:Foreign>
Speech168.193175.568Speaker 2मला माझ्या पाठीच्या खालच्या भागात काही वेदना होत आहेत आणि आता काही आठवड्यांपासून, ते मला त्रास देत आहे.
Speech178.335179.627Speaker 1अच्छा बघतो.

TRANSCRIPTION

TIMETRANSCRIPT
1.443
2.277
<lang:Foreign>Hello Futurebee</lang:Foreign>
3.972
5.000
<lang:Foreign>Hello Futurebee</lang:Foreign>
5.777
6.971
सुप्रभात <lang:Foreign>Doctor</lang:Foreign> <PII>जॉन</PII>
10.111
10.858
सुप्रभात <PII>टॉम</PII>
11.557
12.554
आज तुला कसं वाटतंय?
15.778
19.195
[filler]<lang:Foreign>Doctor</lang:Foreign> मला हवामानामुळे थोडसं वाईट वाटतंय.
20.925
21.725
बघतो.
22.425
27.960
आम्ही सुरुवात करण्यापूर्वी तू~तुम्ही तुमची जन्मतारीख आणि पत्ता पुष्टी करुं शकता का?
30.832
33.862
[filler]होय [filler] माझी जन्मतारीख आहे
35.311
37.682
<PII>एक, दोन, दोन हजार तीन</PII>
39.661
41.712
आणि माझा पत्ता <PII>पंचवटी,</PII>
42.865
44.645
[noise] मुंबई हा आहे.
49.021
49.596
धन्यवाद.
49.898
56.523
आता आपल्या वैद्यकीय इतिहासाबद्दल आणि आपण अनुभवत असलेल्या कोणत्याही लक्षणाबद्दल मला सांगू शकाल का?
59.462
71.462
[filler]ठीक आहे <lang:Foreign>Doctor</lang:Foreign> [filler] मला गे~ल्या काही दिवसांपासून मला खोकला आणि छातीत जडपणा जाणवत होता [filler] मला डोकेदुखी आणि घसा दुखत, डोकं आणि घसा पण दुखत आहे
73.456
75.072
अच्छा. ठीक आहे.
75.596
78.081
मला तुमचा वैद्यकीय इतिहास तपासू द्या.
80.513
82.983
मी पाहतो की तुम्हाला दम्याचा त्रास आहे.
84.197
87.084
तुम्ही तुमचे <lang:Foreign>inhaler</lang:Foreign> लिहून दिल्या प्रमाणे घेत आहात का?
90.385
93.025
[filler]होय <lang:Foreign>sir</lang:Foreign> मी ते नियमितपणे घेत आहे.
94.924
95.617
छान.
96.786
100.980
तुमच्या लक्षणांवर आधारित तुम्हाला दम्याचा त्रास होण्याची शक्यता आहे पुढे.
102.292
107.319
मला निदानाची पुष्टी करण्यासाठी शारीरिक तपासणी आणि कार्य चाचणीसाठी,
108.253
110.474
<lang:Foreign>follow up</lang:Foreign> भेटीची वेळ निश्चित करावी लागेल.
112.180
117.042
दरम्यान, मी तुमच्या श्वास नलिकेतील जळजळ कमी करण्यात मदत करण्यासाठी
118.048
119.548
<lang:Foreign>steroid</lang:Foreign>चा <lang:Foreign>course</lang:Foreign> लिहून देतो.
120.709
121.209
ठीक आहे.
123.462
124.462
[filler]ठीक आहे.
126.870
128.787
ती तुमच्या पसंतीच्या <lang:Foreign>forms</lang:Foreign> मध्ये
130.348
131.401
<lang:Foreign>prescription</lang:Foreign> पाठवीन
132.068
132.793
कृपया
133.419
138.552
लिहून दिल्या प्रमाणेऔषध घ्या आणि एका आठवड्यानंतर माझ्याकडे पाठपुरावा करण्यासाठी
139.306
139.723
या.
140.776
144.721
या दरम्यान निर्देशानुसार तुमचे <lang:Foreign>inhaler</lang:Foreign> घेणे सुरू ठेवणे आणि
145.448
147.782
दम्याचे लक्षण वाढवणारे कोणतेही कार्य
148.543
149.181
हे टाळा.
152.770
154.354
[filler]समजले <lang:Foreign>Doctor</lang:Foreign>
155.049
156.687
तुमच्या मदतीबद्दल धन्यवाद.
157.705
158.336
नक्कीच.
159.312
163.453
तुम्हाला आणखी काही शंका किंवा प्रश्न असल्यास तुम्ही मला विचारू शकता.
166.026
167.793
[noise] [filler] <lang:Foreign>Doctor</lang:Foreign>
168.193
175.568
मला माझ्या पाठीच्या खालच्या भागात काही वेदना होत आहेत आणि आता काही आठवड्यांपासून, ते मला त्रास देत आहे.
178.335
179.627
अच्छा बघतो.

Dataset Demographics

Details Headline

Language

Marathi

Language code

mr-in

Country

India

Accents

Varhadi,...more

Gender Distribution

M:55, F:45

Age Group

18-70

Audio File Details

Details Headline

Environment

Silent, Noisy

Bit Depth

16 bit

Format

wav

Sample rate

8khz

Channel

Dual separate channel

Audio file duration

5-15 minutes

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

Start your AI/ML model creation journey with FutureBeeAI!

Contact Us

Audio Arrow BtnAudio Arrow Btn Black
Audio Promp 2 Bg