HereSay

Набор данных классификаций HereSay Voice AI

Версия 2026-Q2-v2 · ODC-BY 1.0

10 агрегированных наборов данных классификации, вычисленных на основе 54 анонимизированных голосовых разговоров с ИИ (2 334 реплики). Включает тройную классификацию OpenAI Asking/Doing/Expressing, голосовые категории, тональность по репликам (VADER), распределение типов вопросов и местоимений, переходы между этапами разговора и закономерности по времени суток. Сырой текст разговоров не включён.

Лицензия: ODC-BY 1.0

Можно свободно использовать и распространять дальше, но нужна атрибуция. Если ты используешь этот набор данных в исследовании, журналистике или коммерческой работе, укажи:

"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)."

Для скачивания нужен бесплатный аккаунт HereSay. Так ты увидишь лицензию в момент загрузки.

Войти или создать бесплатный аккаунт

Что внутри 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
  • Плюс README, METHODOLOGY, DATASHEET, CODEBOOK, CITATION.cff, LICENSE, CHANGELOG

Читать пост в блоге с главными выводами →