HereSay

HereSay Voice AI Classifications Dataset

Versie 2026-Q2-v2 · ODC-BY 1.0

10 geaggregeerde classificatiedatasets, berekend op basis van 54 geanonimiseerde Voice AI-gesprekken (2.334 beurten). Bevat OpenAI's Asking/Doing/Expressing-trichotomie, stemspecifieke facetten, sentiment per beurt (VADER), verdelingen van vraagtypen en voornaamwoorden, overgangen in het gespreksverloop en patronen per tijdstip van de dag. Ruwe gesprekstekst is niet inbegrepen.

Licentie: ODC-BY 1.0

Vrij te gebruiken, vrij te verspreiden, naamsvermelding vereist. Wanneer je deze dataset gebruikt in onderzoek, journalistiek of commercieel werk, voeg dan toe:

"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)."

Je hebt een gratis HereSay-account nodig om te downloaden. Zo zie je de licentie op het moment van downloaden.

Inloggen of een gratis account aanmaken

Wat zit er in de 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
  • Plus README, METHODOLOGY, DATASHEET, CODEBOOK, CITATION.cff, LICENSE, CHANGELOG

Lees de blogpost met de belangrijkste bevindingen →