Marathi (India) Call Center Speech Dataset for Healthcare

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

About this Off-the-shelf Speech Dataset

Introduction

Welcome to the Marathi 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 40 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: 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:

•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 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 Healthcare 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 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	1.443	2.277	Speaker 1	<lang:Foreign>Hello Futurebee</lang:Foreign>
Speech	3.972	5.000	Speaker 2	<lang:Foreign>Hello Futurebee</lang:Foreign>
Speech	5.777	6.971	Speaker 2	सुप्रभात <lang:Foreign>Doctor</lang:Foreign> <PII>जॉन</PII>
Speech	10.111	10.858	Speaker 1	सुप्रभात <PII>टॉम</PII>
Speech	11.557	12.554	Speaker 1	आज तुला कसं वाटतंय?
Speech	15.778	19.195	Speaker 2	[filler] <lang:Foreign>Doctor</lang:Foreign> मला हवामानामुळे थोडसं वाईट वाटतंय.
Speech	20.925	21.725	Speaker 1	बघतो.
Speech	22.425	27.960	Speaker 1	आम्ही सुरुवात करण्यापूर्वी तू~तुम्ही तुमची जन्मतारीख आणि पत्ता पुष्टी करुं शकता का?
Speech	30.832	33.862	Speaker 2	[filler] होय [filler] माझी जन्मतारीख आहे
Speech	35.311	37.682	Speaker 2	<PII>एक, दोन, दोन हजार तीन</PII>
Speech	39.661	41.712	Speaker 2	आणि माझा पत्ता <PII>पंचवटी,</PII>
Speech	42.865	44.645	Speaker 2	[noise] मुंबई हा आहे.
Speech	49.021	49.596	Speaker 1	धन्यवाद.
Speech	49.898	56.523	Speaker 1	आता आपल्या वैद्यकीय इतिहासाबद्दल आणि आपण अनुभवत असलेल्या कोणत्याही लक्षणाबद्दल मला सांगू शकाल का?
Speech	59.462	71.462	Speaker 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
Speech	73.456	75.072	Speaker 1	अच्छा. ठीक आहे.
Speech	75.596	78.081	Speaker 1	मला तुमचा वैद्यकीय इतिहास तपासू द्या.
Speech	80.513	82.983	Speaker 1	मी पाहतो की तुम्हाला दम्याचा त्रास आहे.
Speech	84.197	87.084	Speaker 1	तुम्ही तुमचे <lang:Foreign>inhaler</lang:Foreign> लिहून दिल्या प्रमाणे घेत आहात का?
Speech	90.385	93.025	Speaker 2	[filler] होय <lang:Foreign>sir</lang:Foreign> मी ते नियमितपणे घेत आहे.
Speech	94.924	95.617	Speaker 1	छान.
Speech	96.786	100.980	Speaker 1	तुमच्या लक्षणांवर आधारित तुम्हाला दम्याचा त्रास होण्याची शक्यता आहे पुढे.
Speech	102.292	107.319	Speaker 1	मला निदानाची पुष्टी करण्यासाठी शारीरिक तपासणी आणि कार्य चाचणीसाठी,
Speech	108.253	110.474	Speaker 1	<lang:Foreign>follow up</lang:Foreign> भेटीची वेळ निश्चित करावी लागेल.
Speech	112.180	117.042	Speaker 1	दरम्यान, मी तुमच्या श्वास नलिकेतील जळजळ कमी करण्यात मदत करण्यासाठी
Speech	118.048	119.548	Speaker 1	<lang:Foreign>steroid</lang:Foreign>चा <lang:Foreign>course</lang:Foreign> लिहून देतो.
Speech	120.709	121.209	Speaker 1	ठीक आहे.
Speech	123.462	124.462	Speaker 2	[filler] ठीक आहे.
Speech	126.870	128.787	Speaker 1	ती तुमच्या पसंतीच्या <lang:Foreign>forms</lang:Foreign> मध्ये
Speech	130.348	131.401	Speaker 1	<lang:Foreign>prescription</lang:Foreign> पाठवीन
Speech	132.068	132.793	Speaker 1	कृपया
Speech	133.419	138.552	Speaker 1	लिहून दिल्या प्रमाणेऔषध घ्या आणि एका आठवड्यानंतर माझ्याकडे पाठपुरावा करण्यासाठी
Speech	139.306	139.723	Speaker 1	या.
Speech	140.776	144.721	Speaker 1	या दरम्यान निर्देशानुसार तुमचे <lang:Foreign>inhaler</lang:Foreign> घेणे सुरू ठेवणे आणि
Speech	145.448	147.782	Speaker 1	दम्याचे लक्षण वाढवणारे कोणतेही कार्य
Speech	148.543	149.181	Speaker 1	हे टाळा.
Speech	152.770	154.354	Speaker 2	[filler] समजले <lang:Foreign>Doctor</lang:Foreign>
Speech	155.049	156.687	Speaker 2	तुमच्या मदतीबद्दल धन्यवाद.
Speech	157.705	158.336	Speaker 1	नक्कीच.
Speech	159.312	163.453	Speaker 1	तुम्हाला आणखी काही शंका किंवा प्रश्न असल्यास तुम्ही मला विचारू शकता.
Speech	166.026	167.793	Speaker 2	[noise] [filler] <lang:Foreign>Doctor</lang:Foreign>
Speech	168.193	175.568	Speaker 2	मला माझ्या पाठीच्या खालच्या भागात काही वेदना होत आहेत आणि आता काही आठवड्यांपासून, ते मला त्रास देत आहे.
Speech	178.335	179.627	Speaker 1	अच्छा बघतो.

TIME

TRANSCRIPT

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

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 Details

Language

Marathi

Language code

mr-in

Country

India

Accents

Varhadi, Zadi Boli ...moreAhirani/Khandeshi

Gender Distribution

M:60, F:40

Age Group

18-70

File Details

Environment

Silent, Noisy

Bit Depth

16 bit

Format

wav

Sample rate

8khz & 16khz

Channel

Stereo

Audio file duration

5-15 minutes

Read the License Terms

Browse FAQs

Similar to Call Center Conversation Speech Datasets

Bengali (India)

Indian Bengali Healthcare CC Speech Data

Healthcare call center audio data in Indian Bengali.

30 Speech Hours

60 People

Call Center Conversational AI

ASR

English (New Zealand)

New Zealand Healthcare CC Speech Data

Healthcare call center audio data in New Zealand English.

30 Speech Hours

60 People

Call Center Conversational AI

ASR

Machine learning speech data for Healthcare call center in Marathi (India)

Polish (Poland)

Polish Healthcare CC Speech Data

Healthcare call center audio data in Polish.

30 Speech Hours

60 People

Call Center Conversational AI

ASR

AI speech dataset for Healthcare in English (New Zealand)

Finnish (Finland)

Finnish Healthcare CC Speech Data

Healthcare call center audio data in Finnish.

30 Speech Hours

60 People

Call Center Conversational AI

ASR

View All

Marathi Delivery & Lgc CC Speech Data

Delivery & Logistics call center audio data in Marathi.

40 Speech Hours

80 People

Call Center Conversational AI

ASR

Machine learning speech data for Travel call center in Korean (South Korea)

Marathi (India)

Marathi Travel CC Speech Data

Travel call center audio data in Marathi.

40 Speech Hours

80 People

Call Center Conversational AI

ASR

Marathi (India)

Marathi Retail & E-com CC Speech Data

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

40 Speech Hours

80 People

Call Center Conversational AI

ASR

Machine learning speech data for BFSI call center in Korean (South Korea)

Marathi (India)

Marathi BFSI CC Speech Data

BFSI call center audio data in Marathi.

40 Speech Hours

80 People

Call Center Conversational AI

ASR

View All

Need datasets for a specific AI/ML use case?
Don't worry, we've got you covered! 👍