Datasets:

thantzinphyo
/

Burmese-Daily-Dialogue-Corpus

id int64 1 24.6k	sentence stringlengths 4 193	speaker_gender stringclasses 2 values	speaker_name stringclasses 11 values	duration float64 0.8 10.9	split stringclasses 1 value
16,425	ဆက်ဆံရေး ပြတ်သွားနိုင်လား ဆရာ	female	Siri	1.76	train
16,869	သူ စာ ပြန်တာ နောက်ကျရင် ကျွန်တော် က အမျိုးမျိုး တွေးတယ်	male	Dipa	3.2	train
17,268	အဲဒီ လို သက်သာတာ မလိုဘူး	male	Dipa	1.44	train
5,944	မှားပို့မိ တဲ့ အကြောင်း ချက်ချင်း တောင်းပန်စာလေး ပြန်ပို့လိုက်တယ်	female	Wasa	4	train
8,728	သံပရာရည် အေးအေးလေး သောက်လိုက်တော့ ရင် ထဲ အေး သွားတာ ပဲ	male	Piya	2.24	train
14,634	ဆံပင် အရှည် သိပ်မပြောင်းဘဲ ညှိပေးပါ	female	Wasa	2.4	train
7,154	တစ်ပါးသူ ကို ပြောရမယ် ဆိုမယ် ရစရာ မရှိအောင် ပြောကြတာ မြင် လို့ တောင် မကောင်းဘူး	male	Piya	4.16	train
6,763	အခြေအနေ အားလုံး ကို ခြုံငုံသုံးသပ်ပြီး မှ ဆုံးဖြတ်ချက် ချတာ အကောင်းဆုံး ပဲ	female	Wasa	4.48	train
17,551	အိမ်ရှင် ရေပိုက် ယိုနေတယ်	male	Dipa	1.6	train
19,632	စိတ်ချပါ ကွာ နည်းဗျူဟာတွေ ကို သေချာ မှတ်စု ထုတ်ထားဦးမယ်	male	Sadda	4.16	train
20,407	မင်း မျက်လုံးတွေ ကို တည့်တည့် ကြည့်ပြီး စကား ပြောဖို့ ငါ့ မှာ သတ္တိ မရှိသေးဘူး ဖြစ်နေတယ်	female	Sara	3.84	train
8,064	ရေနွေးကြမ်း ပူပူလေး နဲ့ အကြော် စားရတာ အကောင်းဆုံး ပဲ	male	Piya	2.72	train
11,184	ခန်းမ ဝင်ပေါက်နား ရောက်ရင် ဖုန်းဆက်ပါ	female	Wasa	2.24	train
2,772	အစပ် အလယ်အလတ်လောက် ပဲ ထည့်ပေးပါ အရမ်း မစပ်ပါစေ နဲ့	female	Wasa	3.36	train
23,814	ဥပမာ ဆိုကြပါစို့ အစ်မရေ နတ်သမီး နဲ့ အစ်မ နဲ့ ဘယ်သူလှလဲ	male	Kavi	4.32	train
16,479	အဲဒီ အပြောင်းအလဲ က ကောင်း တဲ့ ဘက်လား	female	Siri	2.24	train
3,129	ဒီနေ့ သတ်မှတ်ထား တဲ့ တာဝန် အားလုံး ချောချောမောမော ပြီးဆုံးသွားပါပြီ	female	Wasa	3.84	train
2,923	နို့နံ့ သင်းသင်းလေး နဲ့ ကော်ဖီ ရနံ့ ပေါင်းစပ်သွားတာ စိတ်ချမ်းသာစရာကြီး	female	Wasa	3.84	train
22,485	ဟဲ့ ငါ အခုတလော ဝလာသလို ပဲ အစားတွေ အရမ်း စားမိနေလို့ ညနေဘက် လမ်းလျှောက်မလား	female	Pasada	7.04	train
23,697	အဲဒီတော့ အဓိက က တော့ ယောက်ျားလေးတွေ နဲ့ မိန်းကလေးတွေ ဖြစ်လေ့ဖြစ်ထ ရှိတာ ပေါ့ နော်	male	Kavi	3.68	train
535	ပန်ကာလေး ခဏ ပိတ်ပေးပါ အေး စိမ့်လာ လို့	female	Wasa	2.72	train
1,821	ပစ္စည်း မေ့ကျန်ခဲ့တာ ငါ့ အပြစ်ပါ သေချာ ဂရုမစိုက်မိ လို့	female	Wasa	3.84	train
10,297	အရာရာတိုင်း အဆင်ပြေ ချောမွေ့ပါစေ	male	Piya	2.24	train
8,569	အိမ် မှာ ပဲ စာ ဖတ်ပြီး အနားယူမ လို့ စဉ်းစားထားတယ်	male	Piya	2.56	train
17,946	ပို ဝေးရင် ပို မြန် မှာ လား	male	Aksara	1.92	train
22,873	ဆန် မရှိဘဲ စော်ကားကြီးချင် တဲ့ ဘုတ်အဖွဲ့ ငါဆိုဆဲတယ် ကာရစ် ဘာမှ မပြောဘူးလား	male	Tara	5.6	train
19,023	သူ က ကိုယ်ရေးကိုယ်တာ ကို အလုပ် ထဲ ယူလာရင်ရော	male	Sadda	3.2	train
17,044	မင်း အနား မှာ ပဲ ရှိနေတယ်	male	Dipa	1.6	train
11,093	တန်းကျော်တာ မဟုတ်ဘူးလား မေးပါရစေ	female	Wasa	2.72	train
4,473	အေတီအမ်ကတ် အသစ် လျှောက်ထားတာ တစ်ပတ် အတွင်းရမယ် လို့ ပြောပါတယ်	female	Wasa	3.84	train
18,648	အဲဒါဆို သူ့ ကို လည်း သိပြီးသား ကို ဘာလို့ ထပ်ပြောတာလဲ	male	Aksara	2.4	train
6,218	ကားဘီး ပေါက်သွား လို့ လမ်းဘေး ထိုးရပ်ပြီး ဂျိုက်ထောက် ကားဘီး လဲနေရတယ်	female	Wasa	4.32	train
17,051	အဲဒါ က မင်း အတွက် ပျော်စရာလား	male	Dipa	1.92	train
8,812	ယင်ကောင် မနားအောင် အစားအသောက်တွေ ကို ဖုံးအုပ်ထားပါ	male	Piya	2.24	train
17,684	ဒီ အိမ် မှာ နေ တဲ့ သူတိုင်း စည်းကမ်း လိုက်နာရမယ်	male	Dipa	2.4	train
2,738	အော်ဒါ ထပ် မှာ ချင်ရင် ခလုတ်နှိပ်ပြီး ဝန်ထမ်း ကို ခေါ်လိုက်မယ်	female	Wasa	3.84	train
11,071	တန်းစီဖို့ သတိပေးလိုက်တော့ အနောက် ပြန်သွားတယ်	female	Wasa	3.36	train
7,490	စစ်အုပ်စု ရဲ့ စီးပွားရေး အတွေးအခေါ် မူဝါဒတွေ ဘယ်လောက် ထိ ညံ့ဖျင်းနေလဲ ဆိုရင် အွန်လိုင်းရှော့တွေ ပျက်သုန်းမှု က သက်သေ ဖြစ်နေပါတယ်	male	Piya	6.08	train
14,668	အခု ဆံပင်ညှပ် လို့ ရမလား ခင်ဗျာ	female	Wasa	2.24	train
14,208	ဖုန်း ပြုတ်ကျရင် ခံနိုင် တဲ့ ကာဗာ ရှိလား	female	Wasa	2.56	train
9,419	ရေကူးတာ က ခန္ဓာကိုယ် အစိတ်အပိုင်း အားလုံး ကို သန်မာစေတယ်	male	Piya	3.04	train
4,264	ပို့ရမယ့် လိပ်စာ က လှည်းတန်း လမ်းမကြီး ပေါ် က ပါ ခင်ဗျာ	female	Wasa	3.36	train
4,234	ဒီနေ့တော့ ချက်မစားတော့ဘူး အပြင် ကနေ ပဲ ပို့ဆောင်ရေး မှာ စားမယ်	female	Wasa	3.68	train
6,923	တာဝန် ခွဲဝေမှု မှန်ကန် သဖြင့် ရည်မှန်းချက် ပန်းတိုင် သို့ အချိန်မီ ရောက်ရှိခဲ့ပါတယ်	female	Wasa	4.8	train
1,401	ယာဉ်ကြောပိတ်တာ မကြိုက်ရင် မနက် ခြောက်နာရီခွဲလောက် ထွက် ပေါ့	female	Wasa	3.36	train
7,960	ပျံ့လွင့်နေတာ လေးလံထိုင်းမှိုင်းနေတာ ကအစ စိတ်အညစ်အကြေး စာရင်းထဲပါတယ်	male	Piya	4.32	train
6,243	အရိုး ကျိုးသွားတာလား မသိဘူး လက်မောင်း က အရမ်း ရောင်ကိုင်းပြီး နာကျင်နေတာ ပဲ	female	Wasa	4.8	train
17,350	အပြစ်ပေး ခံရတယ် လေ	male	Dipa	1.44	train
19,581	အခု ကမ္ဘာ့စီးပွားရေး အခြေအနေ က တော့ အရှေ့အလယ်ပိုင်း အပြောင်းအလဲ ပေါ် အများကြီး မူတည်နေတယ်	male	Sadda	4.96	train
2,910	သကြားရည် ပုလင်းလေး စားပွဲ ပေါ် ခဏ ယူ သုံး လို့ ရမလား ခင်ဗျာ	female	Wasa	3.84	train
7,636	ဒါနဲ့ ဘုန်းဘုန်း လည်း မေတ္တာ နဲ့ ပဲ ပြောလိုက်ပါတယ်	male	Piya	2.56	train
15,638	စာတန်၏ လှည့်ကွက်များသည် ဘုရား၏လူများ ကို အောင်နိုင်မည် မဟုတ်	male	Suta	4	train
914	အိမ်သာ ဘိုထိုင် ရေဆွဲခလုတ် ပျက်နေတယ် လာပြင်ပေးပါဦး	female	Wasa	4.48	train
15,102	ငွေပြန်အမ်းပေးဖို့ လိုပါတယ်	female	Wasa	2.08	train
16,209	အခုတော့ မင်း ကို မယုံတော့ဘူး	female	Siri	1.44	train
11,419	သံပရာသီး အရည်များတာ ဆယ်လုံး ယူမယ်	female	Wasa	2.88	train
771	မနက်ဖြန် ကျရင် အိပ်ရာခင်းတွေ အကုန် ဖြုတ်ပြီး လျှော်ပစ်မယ်	female	Wasa	3.04	train
7,177	ကျေးဇူးပါ ညီမလေးရေ	male	Piya	1.44	train
10,617	ဒီ တစ်ခေါက်တော့ တကယ် ကို အလန်းစား ဖြစ်သွားပြီ	male	Piya	2.08	train
16,359	အိမ်ခြံမြေ ကိစ္စ မှာ အလျင်စလို မဆုံးဖြတ်တာ ကောင်းတယ်	female	Siri	3.2	train
18,106	မဟုတ်ဘူး နောက်တစ်မှတ်တိုင်	male	Aksara	1.6	train
19,378	အစားအသောက် ဆိုတာ အဓိက စားဖို့ ပဲ	male	Sadda	1.92	train
23,195	အနဲတို့တော့ စိတ်ဆိုးတော့ မှာ ပဲ က တဲ့ အခန်း ကို	male	Tara	2.4	train
14,467	ပါဆယ်ခ ထည့်ပေါင်း ထားတာလား အစ်မ	female	Wasa	2.24	train
13,156	ဟုတ်တယ် ခရီး ထွက်သွားကြတာ တစ်ပတ်လောက် ရှိပြီ	female	Wasa	3.36	train
9,402	ဂီတ တူရိယာ သံစဉ်လေးတွေ က စိတ် ကို ငြိမ်းချမ်းစေတယ်	male	Piya	3.36	train
3,664	ဝိုင်ဖိုင်စက် က မီးနီ ပြနေတယ် လိုင်း ပြတ်နေတာ ထင်တယ်	female	Wasa	4	train
17,274	လမ်း မလျှောက်ရင် စာ ပိုတတ်မလား	male	Dipa	1.92	train
15,365	အဲဒီ အချက် က အရမ်း ကို ကျေးဇူးကြီးလွန်းပါတယ်	male	Suta	2.24	train
10,560	မက်ဆေ့ခ်ျဘောက်စ် မှာ စာပို့ထားတာ အခု ပဲ ပြန်ဖြေပေးလိုက်ပါပြီ	male	Piya	3.04	train
5,550	အခန်း သန့်ရှင်းရေး ဝန်ထမ်း က ကျန်ခဲ့ တဲ့ နာရီလေး ကို ကောင်တာ မှာ လာအပ် ထားပေးတယ် တဲ့	female	Wasa	4.32	train
16,464	တစ်ယောက်တည်း သွားမှာ လား	female	Siri	1.28	train
4,954	ထီး ကို အိမ် အဝင်ဝ ထီးတင် တဲ့ နေရာ မှာ သပ်သပ်ရပ်ရပ် ထားထားလိုက်ပါ	female	Wasa	3.84	train
13,111	လက်ဖက်ရည်ဆိုင် သွားထိုင်ပြီး စကား ပြောကြမယ် လေ	female	Wasa	2.88	train
14,369	သကြား မပါ တဲ့ ချောင်းဆိုး ပျောက်ဆေး ရှာပေးပါ	female	Wasa	2.72	train
9,377	နည်းပညာ ကြောင့် ကမ္ဘာကြီး က ပိုမို နီးကပ်လာသလိုပါ ပဲ	male	Piya	2.72	train
16,928	စတွေ့ ကတည်းက အဆင်ပြေလား	male	Dipa	1.76	train
387	မနေ့ က မီးပူတိုက်ထား တဲ့ ရှပ်အင်္ကျီ အပြာလေး ဘယ်နား ထားမိပါလိမ့်	female	Wasa	4.32	train
8,182	ဒစ်ဂျစ်တယ် စနစ် ကူးပြောင်းခြင်း က လုပ်ငန်းများ ကို ပိုမိုမြန်ဆန်စေသည်	male	Piya	3.68	train
22,935	ရုပ်ရှင် လောကရော မီဒီယာရော အကုန် သိမ်းကြုံးဆော်သွားတာ	male	Tara	3.68	train
7,669	ဘာမှ ကို မဆိုင်တာ ပေါ့	male	Piya	1.12	train
13,777	ဆိုင်ကယ်တွေ ဈေးလမ်း ထဲ ဖြတ်မမောင်းပါ နဲ့	female	Wasa	2.88	train
20,023	အဲဒီ အက်ပ်တွေ က ငါ့ ပိုက်ဆံအိတ် ထဲ က ပိုက်ဆံ ကို ခိုးယူသွားတာ ပေါ့လေ	female	Sara	3.52	train
9,788	ပြည်တွင်း ထုတ်ကုန်များ ကို အားပေး ဝယ်ယူခြင်း ဖြင့် နိုင်ငံ့စီးပွားရေး ကို အထောက်အကူပြုပါ	male	Piya	3.68	train
9,809	ရိုးသား သော ကုန်သည်သည် ရေရှည် တွင် အမြဲ အောင်မြင်သည်	male	Piya	3.04	train
1,159	ထီး မပါ လို့ မိုးခိုနေရတာ နဲ့ အချိန်တွေ ကုန်သွားတာ ပဲ	female	Wasa	3.84	train
11,134	မြန်မြန်လေး ကူညီပါ အချိန် အရမ်း ကပ်နေ လို့	female	Wasa	3.36	train
16,525	စကား အပြန်အလှန် ရှိရင် ပြေလည်နိုင်တယ်	female	Siri	2.67	train
19,269	မလိုတာ ဝယ်လာရင် မေမေ က မလိုတာတွေ ဘာလို့ ဝယ်လာတာလဲ လို့ ထပ်မေး မှာ စိုး လို့ ပါ	male	Sadda	4.64	train
5,010	ရာသီဥတု နှင့် သဟဇာတ ဖြစ်သော အစီအစဉ်များ ကိုသာ ရွေးချယ် ရေးဆွဲကြပါစို့	female	Wasa	4.96	train
11,620	ဆရာတော်တွေ ဆယ်နာရီခွဲ ကြွရောက်ပါမယ်	female	Wasa	2.72	train
9,882	အောင်မြင် သော စီးပွားရေးဘဝ ကို ပိုင်ဆိုင်နိုင်ကြပါစေ ခင်ဗျာ	male	Piya	2.72	train
12,471	ပြန်ယူဖို့ မမေ့ပါ နဲ့	female	Wasa	1.76	train
3,942	ဖုန်း ဘက်ထရီ က ငါးရာခိုင်နှုန်း ပဲ ကျန်တော့တယ် အခု ပဲ ပိတ်တော့မယ်	female	Wasa	4.64	train
9,957	အနာဂတ်မျိုးဆက်များ အတွက် ခိုင်မာ သော ဒစ်ဂျစ်တယ် အခြေခံများ ချမှတ်ပါ	male	Piya	3.68	train
23,487	လူများ ကို အမှားတွေ လျှောက်လျှောက် မတင်ပြစမ်း နဲ့	male	Tara	2.4	train
18,000	လမ်း ပျောက်နိုင်တယ်	male	Aksara	1.12	train
15,578	မမြင်ရ တဲ့ လောက အကြောင်းတွေပါ	male	Suta	1.44	train
3,547	ခေါင်း ရဲ့ နောက်စေ့ဘက် က တဆစ်ဆစ် နဲ့ အရမ်း ကိုက်ခဲနေ လို့ ပါ	female	Wasa	3.52	train
6,541	ဝမ်းနည်းစရာ အခြေအနေ ကနေ အမြန်ဆုံး လွတ်မြောက်နိုင်ပါစေကြောင်း ဆုတောင်းပေးပါတယ်	female	Wasa	4.96	train

End of preview. Expand in Data Studio

Burmese Daily Dialogue Corpus ( BDDC )

English

Dataset Summary

The Burmese Daily Dialogue Corpus ( BDDC ) is a synthetic speech dataset based on everyday conversational speech in Myanmar (Burmese).

Information	Value
Language	Myanmar (Burmese)
Speech Source	Synthetic speech
Total Duration	~22.38 hours
Utterances (WAV files)	24,560
Speakers	13 synthetic speakers
Audio Format	16 kHz, 16-bit PCM, Mono
License	Creative Commons Attribution 4.0 International (CC BY 4.0)

Speakers and Voice Origin

All 13 speakers in the dataset are synthetic Burmese speakers, and no human individual's voice recordings are used. Each speaker was independently designed to have different Speaking Styles and Voice Characteristics.

#	Speaker	Voice Type	Note
1	Piya	Male	Train/Val
2	Wasa	Female	Train/Val
3	Siri	Female	Train/Val
4	Dipa	Male	Train/Val
5	Aksara	Male	Train/Val
6	Sadda	Female	Train/Val
7	Sara	Female	Train/Val
8	Tara	Male	Train/Val
9	Kavi	Male	Train/Val
10	Suta	Male	Train/Val
11	Pasada	Female	Train/Val
12	Gita	Female	Test
13	Nanda	Male	Test

Data Composition

Training & Validation

Speakers: 11
Train: 20,699 Utterances
Validation: 2,300 Utterances

Held-Out Test Set

Speakers: 2 — Gita , Nanda
Test: 1,561 Utterances

The two test speakers are unseen speakers who are not included in the training or validation sets.

Speaker Generalization

To support speaker-independent evaluation, two speakers who are not included in the training or validation sets are reserved exclusively for the test set.

This setup allows models to be evaluated on unseen-speaker generalization.

Word Segmentation

The transcripts are formatted using a Morpho-Syntactic Word Segmentation strategy. Word boundaries were initially parsed using custom regex rules and subsequently refined through human annotation and manual verification. However, despite rigorous checks, minor errors or inconsistencies may still persist.

The segmentation style is dataset-specific and may be adapted to a different convention depending on the research task.

Intended Use

This dataset is intended for the following research and educational purposes:

ASR (Automatic Speech Recognition) research
TTS (Text-to-Speech) research
Speaker recognition and analysis
Speaker generalization
Myanmar language processing
Linguistic and phonetic research
Speech and audio classification
Educational purposes

License

This dataset is distributed under the Creative Commons Attribution 4.0 International (CC BY 4.0) license.

The dataset is openly available and free to use.
It may be used for academic/research purposes as well as commercial purposes, including model training, subject to the terms of the CC BY 4.0 license.
Appropriate attribution/credit must be provided when using the dataset. See the citation below.

Limitations

As the dataset consists of synthetic speech, it may not fully represent real-world spontaneous human speech.
The dataset contains only 13 speakers, which limits speaker diversity.
The held-out test set contains only two speakers; therefore, results should be interpreted carefully when generalizing to broader speaker populations.
The word segmentation follows a dataset-specific convention.

Acoustic & Prosodic Analysis

A comprehensive acoustic analysis was conducted on 13 synthetic speakers to examine their vocal characteristics and speaking patterns using F₀ , Speaking Rate , MFCCs and ECAPA-TDNN embeddings.
The analysis includes publication-quality figures as well as an interactive Jupyter Notebook , both of which are available on GitHub:
GitHub: thantzinphyo-gg/BDDC-Acoustic-Analysis

မြန်မာ

Dataset အကျဉ်းချုပ်

Burmese Daily Dialogue Corpus ( BDDC ) သည် မြန်မာဘာသာဖြင့် နေ့စဉ်စကားပြောပုံစံများကို အခြေခံထားသော Synthetic Speech Dataset ဖြစ်ပါသည် ။

အချက်အလက်	တန်ဖိုး
ဘာသာစကား	မြန်မာဘာသာ (Myanmar/Burmese)
အသံအရင်းအမြစ်	Synthetic speech
စုစုပေါင်း အချိန်	~22.38 နာရီ
Utterances (WAV files)	24,560
Speakers	13 ဦး (Synthetic)
Audio Format	16 kHz, 16-bit PCM, Mono
License	Creative Commons Attribution 4.0 International (CC BY 4.0)

Speaker စာရင်းနှင့် အသံမူရင်း

Dataset တွင် ပါဝင်သော Speaker ၁၃ ဦးသည် Synthetic Burmese Speakers များဖြစ်ပြီး လူသားတစ်ဦးတစ်ယောက်၏ အသံကို အသုံးပြုထားခြင်း မရှိပါ ။ Speaker တစ်ဦးချင်းစီကို စကားပြော ပုံစံ ( Speaking Style ) နှင့် အသံ အရည်အသွေး ( Voice Characteristics ) ကွဲပြားစေရန် သီးခြားဖန်တီးထားပါသည် ။

#	Speaker	Voice Type	မှတ်ချက်
1	ပီယ	Male	Train/Val
2	ဝါစာ	Female	Train/Val
3	သီရိ	Female	Train/Val
4	ဒီပ	Male	Train/Val
5	အက္ခရာ	Male	Train/Val
6	သဒ္ဒါ	Female	Train/Val
7	သရ	Female	Train/Val
8	တာရာ	Male	Train/Val
9	ကဝိ	Male	Train/Val
10	သုတ	Male	Train/Val
11	ပသာဒ	Female	Train/Val
12	ဂီတ	Female	Test
13	နန္ဒ	Male	Test

Data ခွဲဝေမှု

Training & Validation

Speakers: 11 ဦး
Train: 20,699 Utterances
Validation: 2,300 Utterances

Held-Out Test Set

Speakers: 2 ဦး — ဂီတ ၊ နန္ဒ
Test: 1,561 Utterances

Test speaker ၂ ဦးသည် Training နှင့် Validation တွင် မပါဝင်သော Unseen Speakers များဖြစ်ပါသည်။

Speaker Generalization

Speaker-Independent Evaluation ပြုလုပ်နိုင်ရန် Test Set တွင် Training/Validation တွင် မပါဝင်သော Speaker အသစ် ၂ ဦးကို သီးခြားထားရှိထားပါသည် ။ ထို့ကြောင့် Model များ၏ Unseen-Speaker Generalization စွမ်းရည်ကို စမ်းသပ်နိုင်ပါသည် ။

Word Segmentation

အသံထွက် စည်းဝါး နှင့် သဒ္ဒါ ဖွဲ့စည်းပုံ ဟန်ချက်ညီ စေရန် Transcript များတွင် Morpho-Syntactic Word Segmentation စနစ်ကို အသုံးပြုထားပါသည် ။ Word boundary များကို Custom Regex Rules များဖြင့် ခွဲခြားပြီးနောက် Human Annotation ( Manual Verification ) ဖြင့် အတတ်နိုင်ဆုံး သေချာစွာ စိစစ်ပြင်ဆင်ထားသော်လည်း ၊ အခြေအနေအချို့တွင် မလွဲမသွေ အမှားအယွင်း အနည်းငယ် ကျန်ရှိနေနိုင်ပါသည် ။

Segmentation style သည် Dataset-Specific ဖြစ်သောကြောင့် လိုအပ်ပါက မိမိတို့၏ Research Task နှင့် ကိုက်ညီသော Style သို့ ပြောင်းလဲအသုံးပြုနိုင်ပါသည် ။

အသုံးပြုရန် ရည်ရွယ်ချက်

ဤ Dataset ကို အောက်ပါ အသုံးပြုမှုများအတွက် ရည်ရွယ်ထားပါသည် —

ASR (Automatic Speech Recognition) Research
TTS (Text-to-Speech) Research
Speaker Recognition / Analysis
Speaker Generalization
Myanmar Language Processing
Linguistic & Phonetic Research
Speech / Audio Classification
Educational Purposes

License

ဤ Dataset ကို Creative Commons Attribution 4.0 International (CC BY 4.0) လိုင်စင်အောက်တွင် ဖြန့်ဝေထားပါသည် ။

လုံးဝ Open-Source ဖြစ်ပြီး အခမဲ့ အသုံးပြုနိုင်ပါသည် ။
Academic/Research အသုံးပြုမှုအတွက်ဖြစ်ဖြစ် ၊ Commercial အသုံးပြုမှု ( Model Training အပါအဝင် ) အတွက်ဖြစ်ဖြစ် ကြိုက်နှစ်သက်ရာ ရည်ရွယ်ချက်နှင့် လွတ်လပ်စွာ အသုံးပြုနိုင်ပါသည် ။
Dataset ကို အသုံးပြုသည့်အခါ သင့်လျော်သော Attribution/Credit ပေးရန် လိုအပ်ပါသည် ( အောက်ပါ Citation ကို ကြည့်ပါ )။

ကန့်သတ်ချက်များ

Synthetic Speech ဖြစ်သောကြောင့် Real-World Spontaneous Human Speech ကို အပြည့်အဝ မကိုယ်စားပြုနိုင်ပါ ။
Speaker ၁၃ ဦးသာ ပါဝင်သောကြောင့် Speaker Diversity ကန့်သတ်ချက်ရှိပါသည် ။
Held-Out Test Set တွင် Speaker ၂ ဦးသာ ပါဝင်သောကြောင့် Result များကို Speaker Population အားလုံးသို့ Generalize ပြုလုပ်ရာတွင် သတိပြုရန်လိုပါသည် ။
Word Segmentation သည် Dataset-Specific Convention ဖြစ်ပါသည် ။

အသံပိုင်းဆိုင်ရာနှင့် အသံအတက်အကျ ခွဲခြမ်းစိတ်ဖြာမှု

Synthetic Speaker ၁၃ ယောက်၏ အသံအရည်အသွေးနှင့် အသံပြောဟန်ကို အသေးစိတ်လေ့လာနိုင်ရန် F₀ ၊ စကားပြောနှုန်း (Speaking Rate) ၊ MFCCs နှင့် ECAPA-TDNN embeddings တို့ကို အသုံးပြုပြီး Acoustic Analysis ပြုလုပ်ထားပါသည်။
ထို့အပြင် ပုံများ (publication-grade figures) နှင့် အသုံးပြုနိုင်သော Jupyter Notebook ကို GitHub တွင် ထည့်သွင်းပေးထားပါသည်။
GitHub: thantzinphyo-gg/BDDC-Acoustic-Analysis

Citation

If you use this dataset in your research, please cite it as follows / ဤ Dataset ကို သုတေသနတွင် အသုံးပြုပါက အောက်ပါအတိုင်း cite ပြုလုပ်ပေးပါရန် မေတ္တာရပ်ခံအပ်ပါသည်။

@misc{burmese_daily_dialogue_corpus,
  title        = {Burmese Daily Dialogue Corpus (BDDC)},
  author       = {Thant Zin Phyo},
  year         = {2026},
  howpublished = {Hugging Face Datasets},
  note         = {Synthetic Speech Dataset. Creative Commons Attribution 4.0 International (CC BY 4.0).}
}

Downloads last month: 176

Models trained or fine-tuned on thantzinphyo/Burmese-Daily-Dialogue-Corpus