一、数据集基础信息

二、数据集内容特性

2.1 方言覆盖范围

2.2 内容场景丰富度

• 日常交流场景：包含家庭对话、邻里闲聊、购物沟通、职场交流等高频生活场景，内容贴近实际使用，如"今天去菜市场买了点豌豆尖，煮面安逸得很"这类生活化表达，助力模型学习自然对话逻辑。
• 民俗文化场景：收录四川方言中的谚语、歇后语、民间故事、川剧唱词选段、茶馆摆龙门阵等特色内容，如"黄荆棍下出好人"“驼背子上山——前（钱）紧”等，为方言数字化传承提供核心素材。
• 专业领域场景：涵盖基础医疗咨询、政务服务对话、教育辅导交流等轻度专业内容，满足特定领域模型训练需求，如"医生，我这两天有点咳嗽，该吃啥子药哦"的医患对话片段。
• 情感表达场景：包含喜悦、愤怒、悲伤、疑惑等多情绪语音内容，如节日祝福的欢快表达、问题争议的激烈讨论等，助力模型学习方言情感识别能力。

2.3 说话人多样性

• 年龄分布：青少年（12-18岁）、青年（19-35岁）、中年（36-55岁）、老年（56岁以上），各年龄段占比均衡，确保数据对不同年龄层方言使用习惯的覆盖。
• 职业背景：涵盖学生、教师、工人、农民、医护人员、公务员等10余种职业，说话内容贴合各自职业场景，提升数据实用性。
• 性别比例：男女说话人比例约1:1，避免性别偏差对模型训练的影响。
• 语言熟练度：以母语为四川话的原生使用者为主，包含少量长期在四川生活的非原生熟练使用者，还原方言实际使用生态。

三、技术参数说明

3.1 音频文件（WAV）参数

3.2 描述文件（JSON）参数

{

    "utt": "test",

    "filename": "test.wav",

    "text": "我主要是喜欢你铁心交流的血性交流两万零五百怕点哎....."

}

四、数据集核心价值

4.1 大模型训练价值

4.2 数字化传承价值

4.3 数据库与数据集开发价值