Spanish (Spain) Call Center Speech Dataset for Healthcare

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

About this Off-the-shelf Speech Dataset

Introduction

Welcome to the Spanish 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 Spanish speakers from the FutureBeeAI Community.

•

Regions: Different states/provinces of Spain, ensuring a balanced representation of Spanish 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 Spanish 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 Spanish 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 Spanish.

•

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	1.112	2.156	Speaker 1	Hey Futurebee
Noise	3.443	3.601	-	-
Noise	4.242	4.360	-	-
Speech	4.541	5.484	Speaker 2	Hey Futurebee.
Speech	9.567	12.214	Speaker 1	Hola, buenos días. ¿El señor <PII>Antonio López</PII>?
Speech	13.022	15.176	Speaker 2	Sí, sí, soy yo. ¿Qué tal? Buenos días.
Speech	15.371	19.376	Speaker 1	Buenos días. Le llamo de la clínica Iderma.
Speech	20.274	27.596	Speaker 1	[filler] Probablemente no le sonará nuestro nombre, pero estamos azo~ asociados con el centro de fisioterapia donde acude usted habitualmente.
Speech	28.050	28.442	Speaker 2	Ya.
Speech	29.094	37.789	Speaker 1	Entonces, le quería informar que hemos creado un nuevo concepto de clínica. Vamos a inaugurar [filler] próximamente.
Speech	38.179	51.557	Speaker 1	Entones, como cliente del centro de fisioterapia, le queríamos explicar un poco el este nuevo este nuevo concepto de clínica y [filler] invitarlo a que nos conozca personalmente el día que inauguremos las instalaciones.
Noise	49.960	50.219	-	-
Speech	51.960	52.411	Speaker 2	Sí.
Speech	52.231	53.526	Speaker 1	[filler] y
Speech	52.859	61.750	Speaker 2	A ver, un momentico. ¿Y estas instalaciones [filler] el centro este nuevo, esta nueva clínica, en qué sitio? ¿Donde? ¿Qué es aquí en en Barcelona?
Speech	62.216	68.683	Speaker 1	Está en Barcelona, sí. Muy cerca del del centro de fisioterapia donde donde usted era cliente.
Speech	68.938	69.248	Speaker 2	Sí.
Speech	69.795	79.831	Speaker 1	De momento ese centro lo vamos a mantener pero en en la nueva clínica, ya le digo, es un concepto más global. Va a haber muchos más servicios, a parte de la fisioterapia.
Speech	80.245	90.302	Speaker 1	Y usted puede puede acudir o puede combinar los tratamientos, porque algunos no van a estar en en los dos sitios, los vamos a tener en exclusiva en la clínica nueva.
Noise	90.492	90.796	-	-
Speech	90.989	98.250	Speaker 1	[filler] Bueno, a parte de fisioterapia que es lo que usted, bueno [filler], te~ le tenemos en en ficha como cliente.
Speech	98.724	111.287	Speaker 1	Vamos a tener servicios de nutrición, servicios de estética, medicina de varios ámbitos. [filler] No sé si usted hace uso de estos servicios en otros centros, quizá.
Noise	111.424	111.864	-	-
Speech	111.543	114.992	Speaker 1	Esta sería la manera de tenerlos un poco todos en el mismo sitio.
Noise	115.638	115.778	-	-
Speech	115.656	115.953	Speaker 2	Sí.
Speech	116.308	116.801	Speaker 1	Qué
Speech	116.378	121.149	Speaker 2	No, me puede, me puede interesar, porque a parte de la fisioterapia que
Noise	121.263	121.462	-	-
Speech	121.700	122.742	Speaker 2	ya me va muy bien,
Speech	123.236	126.465	Speaker 2	[noise] a esta, nutrición sí que me interesaría
Speech	127.075	136.020	Speaker 2	porque así podía combinar pues el tema este para mantener un poco el estado físico bien y tal, ¿no? Porque todo va acompañado.
Speech	135.078	135.436	Speaker 1	[filler]
Speech	136.717	144.008	Speaker 2	Pero, bueno, por eso te preguntaba antes si estaba en la en la zona. Si ya me dices que sí, pues sí, sí, puedo estar interesado.
Speech	144.519	149.776	Speaker 1	Sí, en l~ en concreto lo que me comenta de servicios de nutrición, tenemos asesores
Noise	149.842	150.181	-	-
Speech	150.366	157.990	Speaker 1	tanto si existe una patología, por ejemplo problemas de de de peso de o que estén interesados en bajar de peso,
Speech	158.497	165.747	Speaker 1	tanto personas que quieran, por ejemplo ganar masa muscular combinado con con entrenamiento físico,
Speech	166.548	170.550	Speaker 1	una dieta especial, por ejemplo para deportistas o para gente que necesita
Speech	170.967	174.078	Speaker 1	[filler] pues, o que tiene un consumo de energía más elevado,
Speech	174.681	180.252	Speaker 1	[filler] tenemos, bueno, varios varios aspectos que se podrían tocar. No sé cuál cuál sería su caso en concreto.
Speech	179.133	185.443	Speaker 2	Vale. No, pero es que puede ser interesante, porque el hecho de bajar de peso pues bueno, es uno de mis problemas, ¿no?
Speech	180.991	181.544	Speaker 1	Pero (()).

TIME

TRANSCRIPT

1.112 - 2.156

Hey Futurebee

3.443 - 3.601

4.242 - 4.360

4.541 - 5.484

Hey Futurebee.

9.567 - 12.214

Hola, buenos días. ¿El señor <PII>Antonio López</PII>?

13.022 - 15.176

Sí, sí, soy yo. ¿Qué tal? Buenos días.

15.371 - 19.376

Buenos días. Le llamo de la clínica Iderma.

20.274 - 27.596

[filler] Probablemente no le sonará nuestro nombre, pero estamos azo~ asociados con el centro de fisioterapia donde acude usted habitualmente.

28.050 - 28.442

Ya.

29.094 - 37.789

Entonces, le quería informar que hemos creado un nuevo concepto de clínica. Vamos a inaugurar [filler] próximamente.

38.179 - 51.557

Entones, como cliente del centro de fisioterapia, le queríamos explicar un poco el este nuevo este nuevo concepto de clínica y [filler] invitarlo a que nos conozca personalmente el día que inauguremos las instalaciones.

49.960 - 50.219

51.960 - 52.411

Sí.

52.231 - 53.526

[filler] y

52.859 - 61.750

A ver, un momentico. ¿Y estas instalaciones [filler] el centro este nuevo, esta nueva clínica, en qué sitio? ¿Donde? ¿Qué es aquí en en Barcelona?

62.216 - 68.683

Está en Barcelona, sí. Muy cerca del del centro de fisioterapia donde donde usted era cliente.

68.938 - 69.248

Sí.

69.795 - 79.831

De momento ese centro lo vamos a mantener pero en en la nueva clínica, ya le digo, es un concepto más global. Va a haber muchos más servicios, a parte de la fisioterapia.

80.245 - 90.302

Y usted puede puede acudir o puede combinar los tratamientos, porque algunos no van a estar en en los dos sitios, los vamos a tener en exclusiva en la clínica nueva.

90.492 - 90.796

90.989 - 98.250

[filler] Bueno, a parte de fisioterapia que es lo que usted, bueno [filler], te~ le tenemos en en ficha como cliente.

98.724 - 111.287

Vamos a tener servicios de nutrición, servicios de estética, medicina de varios ámbitos. [filler] No sé si usted hace uso de estos servicios en otros centros, quizá.

111.424 - 111.864

111.543 - 114.992

Esta sería la manera de tenerlos un poco todos en el mismo sitio.

115.638 - 115.778

115.656 - 115.953

Sí.

116.308 - 116.801

Qué

116.378 - 121.149

No, me puede, me puede interesar, porque a parte de la fisioterapia que

121.263 - 121.462

121.700 - 122.742

ya me va muy bien,

123.236 - 126.465

[noise] a esta, nutrición sí que me interesaría

127.075 - 136.020

porque así podía combinar pues el tema este para mantener un poco el estado físico bien y tal, ¿no? Porque todo va acompañado.

135.078 - 135.436

[filler]

136.717 - 144.008

Pero, bueno, por eso te preguntaba antes si estaba en la en la zona. Si ya me dices que sí, pues sí, sí, puedo estar interesado.

144.519 - 149.776

Sí, en l~ en concreto lo que me comenta de servicios de nutrición, tenemos asesores

149.842 - 150.181

150.366 - 157.990

tanto si existe una patología, por ejemplo problemas de de de peso de o que estén interesados en bajar de peso,

158.497 - 165.747

tanto personas que quieran, por ejemplo ganar masa muscular combinado con con entrenamiento físico,

166.548 - 170.550

una dieta especial, por ejemplo para deportistas o para gente que necesita

170.967 - 174.078

[filler] pues, o que tiene un consumo de energía más elevado,

174.681 - 180.252

[filler] tenemos, bueno, varios varios aspectos que se podrían tocar. No sé cuál cuál sería su caso en concreto.

179.133 - 185.443

Vale. No, pero es que puede ser interesante, porque el hecho de bajar de peso pues bueno, es uno de mis problemas, ¿no?

180.991 - 181.544

Pero (()).

Dataset Details

Language

Spanish

Language code

Country

Spain

Accents

Castellano del Norte, Castellano del Sur ...moreEspañol de Asturias, Español de Galicia, Español de Valencia/Cataluña, Extremaduran (Suroeste de España), Islas Baleares, Islas Canarias, Leonés (León), Andaluz (Andalucía), Aragonés (Aragón)

Gender Distribution

M:60, F:40

Age Group

18-70