Gujarati (India) Call Center Speech Dataset for Real Estate

The audio dataset comprises call center conversations for the Real Estate 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 Real Estate domain designed to enhance the development of call center speech recognition models specifically for the Real Estate 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 Real Estate 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:

•Property Inquiry

•Rental Property Search & Availability

•Renovation Inquiries

•Property Features & Amenities Inquiry

•Investment Property Analysis & Advice

•Property History & Ownership Details, and many more

•Outbound Calls:

•New Property Listing Update

•Post Purchase Follow-ups

•Investment Opportunities & Property Recommendations

•Property Value Updates

•Customer Satisfaction Surveys, 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 Real Estate 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 Real Estate 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 Real Estate sector.

•

Smart Assistants and Chatbots: Developing conversational agents and virtual assistants for customer service in the Real Estate 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 Real Estate 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 Real Estate 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	1.274	1.825	Speaker 1	<lang:Foreign>Hello</lang:Foreign>
Speech	2.750	3.725	Speaker 2	<lang:Foreign>Hello Freebee</lang:Foreign>
Speech	4.924	7.948	Speaker 1	હા હા <lang:Foreign>Futurebee</lang:Foreign> <lang:Foreign>से</lang:Foreign> <lang:Foreign>Futurebee</lang:Foreign> થી વાત કરું છું હું.
Speech	8.300	9.599	Speaker 1	<PII>અજીન્ક્ય</PII> છે મારું નામ
Speech	10.048	11.698	Speaker 1	#આહ તમે <PII>સુભમ મહાજન</PII> ને
Speech	12.749	15.022	Speaker 2	#આહ મેં <lang:Foreign>last time call</lang:Foreign> કર્યો હતો.
Speech	15.496	19.823	Speaker 1	હા હા <lang:Foreign>sir</lang:Foreign> હા બોલો <lang:Foreign>sir</lang:Foreign> કેવી રીતે આજે હું તમારી સહાયતા કરી શકું છું. બોલો
Speech	17.347	18.498	Speaker 2	ત્રણ દિવસ પેલા
Speech	21.123	29.071	Speaker 2	હા તો [noise] મારે <lang:Foreign>actually investment</lang:Foreign> કરવું છે સો મારે <lang:Foreign>flats</lang:Foreign> ની <lang:Foreign>booking</lang:Foreign> કરવી છે. પુને માં
Speech	31.321	35.710	Speaker 1	અચ્છા <lang:Foreign>flats</lang:Foreign> એટલે <lang:Foreign>sir</lang:Foreign> તમે એક <lang:Foreign>flat</lang:Foreign> તમારા <lang:Foreign>family</lang:Foreign> માટે લો છો કે કેવી રીતે છે?
Speech	36.685	46.228	Speaker 2	હા એક મારા <lang:Foreign>father</lang:Foreign> ને <lang:Foreign>mother</lang:Foreign> એમના માટે લેવો છે. અને એક મારા માટે લેવો છે. તો <lang:Foreign>side by side</lang:Foreign> બે <lang:Foreign>property</lang:Foreign> હોય ને એવું અમને કરવાનું છે.
Speech	47.652	51.350	Speaker 1	અચ્છા અચ્છા સરસ સરસ તો <lang:Foreign>sir</lang:Foreign> પુને માં તમે ક્યાં <lang:Foreign>area</lang:Foreign> માં વિચાર કરો છો?
Speech	52.377	59.965	Speaker 2	#આહ મારે <lang:Foreign>job</lang:Foreign> હિંજેવાડી માં હોય તો તો <lang:Foreign>better</lang:Foreign> છે કે એન જે હિંજેવાડી <lang:Foreign>side</lang:Foreign> નહીં તો પીપંળી છીંછોડ <lang:Foreign>side</lang:Foreign>
Speech	61.340	64.938	Speaker 1	અચ્છા આ બહુ <lang:Foreign>develop develop</lang:Foreign> થતો.
Speech	61.890	66.489	Speaker 2	કેમ કે મારે વધારે <lang:Foreign>out of</lang:Foreign> મારે <lang:Foreign>out of city project</lang:Foreign> નથી લેવો છે.
Speech	66.789	68.962	Speaker 2	<lang:Foreign>actual main city</lang:Foreign> માં જ લેવું છે તો
Speech	67.462	67.989	Speaker 1	હા
Speech	69.638	70.837	Speaker 2	એજ છે. <lang:Foreign>requirement</lang:Foreign>
Speech	71.513	83.712	Speaker 1	અચ્છા અચ્છા હિજેવાળી પીપળી ચિનચોડ ખરાડી આ બધા <lang:Foreign>area develop</lang:Foreign> બી થાય છે સારા <lang:Foreign>area</lang:Foreign> છે તમારે સારું રહેશે. મને બે ચાર વિગત વધારે વધારે હું તમને <lang:Foreign>just information</lang:Foreign> લઉં છું તો તમને એ રીતના <lang:Foreign>suggestion</lang:Foreign> કરું.
Speech	83.912	94.489	Speaker 1	તો મને બે વસ્તુ બતાવો <lang:Foreign>sir</lang:Foreign> એક કે તમે કેવા <lang:Foreign>type</lang:Foreign> ના ઘર જુઓ છો. <lang:Foreign>sir</lang:Foreign> તમે <lang:Foreign>two <initial>BHK</initial> three <initial>BHK</initial></lang:Foreign> <lang:Foreign>villa</lang:Foreign> કે <lang:Foreign>pent house</lang:Foreign> કે કયા<lang:Foreign>type</lang:Foreign>નું જોઈએ છે. <lang:Foreign>sir</lang:Foreign> તમને
Speech	95.739	101.435	Speaker 2	એક એક મારા <lang:Foreign>father mother</lang:Foreign> માટે જે <lang:Foreign>flat</lang:Foreign> લેવો છે. એ <lang:Foreign>two <initial>BHK</initial></lang:Foreign> હોય તો સારું અને
Speech	100.611	101.159	Speaker 1	#હમ
Speech	101.775	105.799	Speaker 2	#હમ જે મારા માટે છે બીજો <lang:Foreign>flat</lang:Foreign> આપણે કરીશું <lang:Foreign>three <initial>BHK</initial></lang:Foreign> જોઈએ.
Speech	107.709	108.983	Speaker 1	અચ્છા સરસ
Speech	109.325	110.299	Speaker 1	#આહ
Speech	109.909	110.730	Speaker 2	અને
Speech	111.049	111.625	Speaker 2	ને
Speech	111.950	117.724	Speaker 2	#આહ એટલે<lang:Foreign>area</lang:Foreign> તો સારો જોઈએ. જ પણ એમાં <lang:Foreign>facilities</lang:Foreign> પણ સારી જોઈએ. જે આપણે #આહ
Speech	120.328	124.433	Speaker 2	<lang:Foreign>Security</lang:Foreign> ને એવું બધું <lang:Foreign>facilities</lang:Foreign> હોય <lang:Foreign>garden</lang:Foreign> કે <lang:Foreign>gym and all</lang:Foreign> એ વાળું
Speech	120.558	121.507	Speaker 1	તો બધી
Speech	124.174	125.150	Speaker 1	અચ્છા અચ્છા <lang:Foreign>sir</lang:Foreign>
Speech	124.700	125.525	Speaker 2	<lang:Foreign>okay</lang:Foreign>
Speech	125.632	135.348	Speaker 1	એ તો <lang:Foreign>gated security gated area</lang:Foreign> હોય <lang:Foreign>gated society</lang:Foreign> હોય મોટી એટલે એમાં આ બધું આજકાલ <lang:Foreign>included</lang:Foreign> જ આવે <lang:Foreign>sir</lang:Foreign> બધું તમારી <lang:Foreign>facilities</lang:Foreign> છે ને <lang:Foreign>swimming pull</lang:Foreign> થી લઈને <lang:Foreign>gym</lang:Foreign> થી લઈને <lang:Foreign>club house</lang:Foreign> થી લઈને
Speech	135.574	141.925	Speaker 1	પાણી ને <lang:Foreign>power power back</lang:Foreign> ને આ બધું આવે જ છે અમારા બધા એમાં એ તમને વાંધો નઈ આવે.
Speech	142.199	147.848	Speaker 1	#આહ અને <lang:Foreign>area specious area</lang:Foreign> હોય છે અમારા <lang:Foreign>Futurebee</lang:Foreign> ના બધા <lang:Foreign>project</lang:Foreign> છે ને બહુ <lang:Foreign>specious</lang:Foreign>
Speech	144.000	144.675	Speaker 2	<lang:Foreign>okay</lang:Foreign>
Speech	148.816	149.466	Speaker 1	હોય છે.
Speech	150.091	156.413	Speaker 1	તો એ રીત ના બી <lang:Foreign>problem</lang:Foreign> નથી ને બધા #આહ ઘરોના ઘર માં <lang:Foreign>balcony</lang:Foreign> બી આવશે. તમને એક એક <lang:Foreign>room</lang:Foreign> માં
Speech	150.639	151.288	Speaker 2	<lang:Foreign>okay</lang:Foreign>
Speech	156.562	167.514	Speaker 1	અને તમને એક <lang:Foreign>storage area</lang:Foreign> બી આવશે અલગ થી એ બધું તો છે જ <lang:Foreign>sir</lang:Foreign> એનો વાંધો નથી. મને ખાલી એક જણાવશો બીજું <lang:Foreign>final</lang:Foreign> કે તમારું <lang:Foreign>sir budget</lang:Foreign> તમે કેટલાનું વિચારો છો.
Speech	170.735	171.485	Speaker 2	#આહ
Speech	172.275	176.074	Speaker 2	<lang:Foreign>approxi</lang:Foreign> (()) છે ને ત્રણ સાડા ત્રણ કરોડ સુધી
Speech	176.550	177.900	Speaker 2	બન્ને <lang:Foreign>flat</lang:Foreign> ના મળીને
Speech	177.211	177.763	Speaker 1	હા
Speech	179.187	180.788	Speaker 1	બેવું <lang:Foreign>flat</lang:Foreign> મળીને ત્રણ
Speech	180.014	181.590	Speaker 2	<lang:Foreign>including yes</lang:Foreign>

TIME

TRANSCRIPT

1.274 - 1.825

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

2.750 - 3.725

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

4.924 - 7.948

હા હા <lang:Foreign>Futurebee</lang:Foreign> <lang:Foreign>से</lang:Foreign> <lang:Foreign>Futurebee</lang:Foreign> થી વાત કરું છું હું.

8.300 - 9.599

<PII>અજીન્ક્ય</PII> છે મારું નામ

10.048 - 11.698

#આહ તમે <PII>સુભમ મહાજન</PII> ને

12.749 - 15.022

#આહ મેં <lang:Foreign>last time call</lang:Foreign> કર્યો હતો.

15.496 - 19.823

હા હા <lang:Foreign>sir</lang:Foreign> હા બોલો <lang:Foreign>sir</lang:Foreign> કેવી રીતે આજે હું તમારી સહાયતા કરી શકું છું. બોલો

17.347 - 18.498

ત્રણ દિવસ પેલા

21.123 - 29.071

હા તો [noise] મારે <lang:Foreign>actually investment</lang:Foreign> કરવું છે સો મારે <lang:Foreign>flats</lang:Foreign> ની <lang:Foreign>booking</lang:Foreign> કરવી છે. પુને માં

31.321 - 35.710

અચ્છા <lang:Foreign>flats</lang:Foreign> એટલે <lang:Foreign>sir</lang:Foreign> તમે એક <lang:Foreign>flat</lang:Foreign> તમારા <lang:Foreign>family</lang:Foreign> માટે લો છો કે કેવી રીતે છે?

36.685 - 46.228

હા એક મારા <lang:Foreign>father</lang:Foreign> ને <lang:Foreign>mother</lang:Foreign> એમના માટે લેવો છે. અને એક મારા માટે લેવો છે. તો <lang:Foreign>side by side</lang:Foreign> બે <lang:Foreign>property</lang:Foreign> હોય ને એવું અમને કરવાનું છે.

47.652 - 51.350

અચ્છા અચ્છા સરસ સરસ તો <lang:Foreign>sir</lang:Foreign> પુને માં તમે ક્યાં <lang:Foreign>area</lang:Foreign> માં વિચાર કરો છો?

52.377 - 59.965

#આહ મારે <lang:Foreign>job</lang:Foreign> હિંજેવાડી માં હોય તો તો <lang:Foreign>better</lang:Foreign> છે કે એન જે હિંજેવાડી <lang:Foreign>side</lang:Foreign> નહીં તો પીપંળી છીંછોડ <lang:Foreign>side</lang:Foreign>

61.340 - 64.938

અચ્છા આ બહુ <lang:Foreign>develop develop</lang:Foreign> થતો.

61.890 - 66.489

કેમ કે મારે વધારે <lang:Foreign>out of</lang:Foreign> મારે <lang:Foreign>out of city project</lang:Foreign> નથી લેવો છે.

66.789 - 68.962

<lang:Foreign>actual main city</lang:Foreign> માં જ લેવું છે તો

67.462 - 67.989

હા

69.638 - 70.837

એજ છે. <lang:Foreign>requirement</lang:Foreign>

71.513 - 83.712

અચ્છા અચ્છા હિજેવાળી પીપળી ચિનચોડ ખરાડી આ બધા <lang:Foreign>area develop</lang:Foreign> બી થાય છે સારા <lang:Foreign>area</lang:Foreign> છે તમારે સારું રહેશે. મને બે ચાર વિગત વધારે વધારે હું તમને <lang:Foreign>just information</lang:Foreign> લઉં છું તો તમને એ રીતના <lang:Foreign>suggestion</lang:Foreign> કરું.

83.912 - 94.489

તો મને બે વસ્તુ બતાવો <lang:Foreign>sir</lang:Foreign> એક કે તમે કેવા <lang:Foreign>type</lang:Foreign> ના ઘર જુઓ છો. <lang:Foreign>sir</lang:Foreign> તમે <lang:Foreign>two <initial>BHK</initial> three <initial>BHK</initial></lang:Foreign> <lang:Foreign>villa</lang:Foreign> કે <lang:Foreign>pent house</lang:Foreign> કે કયા<lang:Foreign>type</lang:Foreign>નું જોઈએ છે. <lang:Foreign>sir</lang:Foreign> તમને

95.739 - 101.435

એક એક મારા <lang:Foreign>father mother</lang:Foreign> માટે જે <lang:Foreign>flat</lang:Foreign> લેવો છે. એ <lang:Foreign>two <initial>BHK</initial></lang:Foreign> હોય તો સારું અને

100.611 - 101.159

#હમ

101.775 - 105.799

#હમ જે મારા માટે છે બીજો <lang:Foreign>flat</lang:Foreign> આપણે કરીશું <lang:Foreign>three <initial>BHK</initial></lang:Foreign> જોઈએ.

107.709 - 108.983

અચ્છા સરસ

109.325 - 110.299

#આહ

109.909 - 110.730

અને

111.049 - 111.625

ને

111.950 - 117.724

#આહ એટલે<lang:Foreign>area</lang:Foreign> તો સારો જોઈએ. જ પણ એમાં <lang:Foreign>facilities</lang:Foreign> પણ સારી જોઈએ. જે આપણે #આહ

120.328 - 124.433

<lang:Foreign>Security</lang:Foreign> ને એવું બધું <lang:Foreign>facilities</lang:Foreign> હોય <lang:Foreign>garden</lang:Foreign> કે <lang:Foreign>gym and all</lang:Foreign> એ વાળું

120.558 - 121.507

તો બધી

124.174 - 125.150

અચ્છા અચ્છા <lang:Foreign>sir</lang:Foreign>

124.700 - 125.525

<lang:Foreign>okay</lang:Foreign>

125.632 - 135.348

એ તો <lang:Foreign>gated security gated area</lang:Foreign> હોય <lang:Foreign>gated society</lang:Foreign> હોય મોટી એટલે એમાં આ બધું આજકાલ <lang:Foreign>included</lang:Foreign> જ આવે <lang:Foreign>sir</lang:Foreign> બધું તમારી <lang:Foreign>facilities</lang:Foreign> છે ને <lang:Foreign>swimming pull</lang:Foreign> થી લઈને <lang:Foreign>gym</lang:Foreign> થી લઈને <lang:Foreign>club house</lang:Foreign> થી લઈને

135.574 - 141.925

પાણી ને <lang:Foreign>power power back</lang:Foreign> ને આ બધું આવે જ છે અમારા બધા એમાં એ તમને વાંધો નઈ આવે.

142.199 - 147.848

#આહ અને <lang:Foreign>area specious area</lang:Foreign> હોય છે અમારા <lang:Foreign>Futurebee</lang:Foreign> ના બધા <lang:Foreign>project</lang:Foreign> છે ને બહુ <lang:Foreign>specious</lang:Foreign>

144.000 - 144.675

<lang:Foreign>okay</lang:Foreign>

148.816 - 149.466

હોય છે.

150.091 - 156.413

તો એ રીત ના બી <lang:Foreign>problem</lang:Foreign> નથી ને બધા #આહ ઘરોના ઘર માં <lang:Foreign>balcony</lang:Foreign> બી આવશે. તમને એક એક <lang:Foreign>room</lang:Foreign> માં

150.639 - 151.288

<lang:Foreign>okay</lang:Foreign>

156.562 - 167.514

અને તમને એક <lang:Foreign>storage area</lang:Foreign> બી આવશે અલગ થી એ બધું તો છે જ <lang:Foreign>sir</lang:Foreign> એનો વાંધો નથી. મને ખાલી એક જણાવશો બીજું <lang:Foreign>final</lang:Foreign> કે તમારું <lang:Foreign>sir budget</lang:Foreign> તમે કેટલાનું વિચારો છો.

170.735 - 171.485

#આહ

172.275 - 176.074

<lang:Foreign>approxi</lang:Foreign> (()) છે ને ત્રણ સાડા ત્રણ કરોડ સુધી

176.550 - 177.900

બન્ને <lang:Foreign>flat</lang:Foreign> ના મળીને

177.211 - 177.763

હા

179.187 - 180.788

બેવું <lang:Foreign>flat</lang:Foreign> મળીને ત્રણ

180.014 - 181.590

<lang:Foreign>including yes</lang:Foreign>