HereSay

Conjunto de dados de classificações de IA de voz da HereSay

Versão 2026-Q2-v2 · ODC-BY 1.0

10 conjuntos agregados de dados de classificação calculados a partir de 54 conversas anônimas de IA de voz (2.334 turnos). Inclui a tricotomia Asking/Doing/Expressing da OpenAI, facetas específicas de voz, sentimento por turno (VADER), distribuições de tipos de pergunta e pronomes, transições do arco da conversa e padrões por horário do dia. O texto bruto das conversas não está incluído.

Licença: ODC-BY 1.0

Gratuito para usar e redistribuir, com atribuição obrigatória. Quando você usar este conjunto de dados em pesquisa, jornalismo ou trabalho comercial, inclua:

"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)."

Você precisa de uma conta gratuita da HereSay para baixar. Isso serve para você ver a licença no momento do download.

Entrar ou criar uma conta gratuita

O que vem no 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
  • Mais README, METHODOLOGY, DATASHEET, CODEBOOK, CITATION.cff, LICENSE, CHANGELOG

Leia o post do blog com os principais destaques →