HereSay

Conjunto de datos de clasificaciones de HereSay Voice AI

Versión 2026-Q2-v2 · ODC-BY 1.0

10 conjuntos de datos de clasificación agregados calculados a partir de 54 conversaciones anonimizadas de voz con IA (2,334 turnos). Incluye la tríada Asking/Doing/Expressing de OpenAI, facetas específicas de voz, sentimiento por turno (VADER), distribuciones de tipo de pregunta y pronombres, transiciones del arco de la conversación y patrones por hora del día. No se incluye el texto bruto de las conversaciones.

Licencia: ODC-BY 1.0

Uso gratuito, redistribución gratuita, se requiere atribución. Cuando uses este conjunto de datos en investigación, periodismo o trabajo comercial, incluye:

"Contains information from the HereSay Voice AI Classifications Dataset (2026-Q2-v2) by HereSay (heresay.live), which is made available under the ODC Attribution License (ODC-BY 1.0)."

Necesitas una cuenta gratuita de HereSay para descargar. Así ves la licencia al momento de la descarga.

Inicia sesión o crea una cuenta gratis

Qué incluye el ZIP

  • 01_conversation_stats.csv — workhorse table (turns, char counts, redactions)
  • 02_asking_doing_expressing.csv — OpenAI taxonomy label per conversation
  • 03_voice_facets.csv — mic_test / practice / casual / emotional / info_seeking
  • 04_turn_lengths.csv — char + word counts per turn
  • 05_voice_signals.csv — filler words, mic-check phrases, ASR garble
  • 06_question_types.csv — what / how / why / yes-no question counts
  • 07_pronoun_usage.csv — 1st / 2nd / 3rd person counts per role
  • 08_arc_transitions.csv — opening facet -> closing facet (Sankey input)
  • 09_sentiment.csv — VADER compound score per turn
  • 10_time_of_day.csv — UTC hour bucket counts
  • Además de README, METHODOLOGY, DATASHEET, CODEBOOK, CITATION.cff, LICENSE, CHANGELOG

Lee la publicación del blog con los hallazgos principales →