数据集管理

新建数据集

点击数据集列表做上方的 新建数据集 按钮即可呼出弹出窗上传数据集。

• 数据集名称：表示当前创建的数据集名称

• 数据集类型：系统默认支持语音和文本两种数据集，分别适用于热线客服场景和在线客服场景的质检。

• 上传文件：上传文件也分为选择文件和选择文件夹，分别对应单文件上传和批量上传。

注：

• 语音数据集仅支持wav,mp3,v3,vox格式文件上传，要求单次上传的音频文件数量不超过500个，最多10G，单文件100M，文件名称不可包含中文。同时对于某些不符合标准的音频，上传时会做自动转码处理，比如将采样率转为8000Hz。

• 文本数据集仅支持csv格式文件上传，要求每次上传的对话文件数量不超过10000个。

上传完毕后点击页面底部的 下一步 按钮，开始进行话者角色配置。

话者角色配置

系统会随机选取一个文件，如果时语音文件需要点击页面中的 开始音频转写 按钮，对该文件进行语音转文字，转写完毕后，需要根据对话文本进行话者角色配置。由于录音文件分为单轨录音和双轨录音，话者角色配置方式有所不同，下面会分别说明。

语音转文本时，系统会自动将录音分为两个对话角色，但是出于一些客观因素系统无法准确识别哪个角色为客服，所以需要您根据文本内容来手工设置，选出哪一方为客服，则另一方即为客户。准确的进行话者角色配置非常重要，因为我们进行质检分析时所用的规则，很多时候都有检测范围的限制（即一个规则只检测客服或者客户），如果话者角色配置是错误的，那么将对质检结果的准确性产生极大影响。

单轨录音的话者角色配置

单轨录音的话者角色配置，音频转写完成后，一侧为客户，一侧为客服；角色的判断方式分为以下两种：

• 系统自动判断：我们内置了一些常见的客服开场时所说的关键词，例如“您好、很高兴为您服务......”，从上往下对文本进行匹配，当匹配成功时，则认为当前角色为客服，另一侧即为客户；

• 根据关键词判断客服人员：根据实际业务场景，填写一个或多个客服开场时常说的关键词，匹配上这些关键词时，则认为当前角色为客服，另一侧即为客户；

选择合适的角色判断方式，点击 验证 按钮，对话框中的文本会发生变化，请您自行判断是否正确，如不正确，可以对关键词进行调整；话者角色配置完毕后，点击页面底部的 完成创建 即可，此时该数据集内的所有文件，都将使用相同的角色判断方式。

需要强调的是，单轨录音的话者角色分离无法保证100%正确，建议您将呼叫中心生成的录音文件设置为 双轨录音，这样客户一个轨，客服一个轨，可以从根源上避免出现话者角色分离错误的情况。

双轨录音的话者角色配置

双轨录音的话者角色配置，音频转写完成后，如下图所示，根据对话文本，选择角色A的正确角色，角色B的角色会自动变化，选择无误后，点击页面底部的 完成创建 即可，此时该数据集内的所有文件，都将使用相同的角色判断方式。

人工复核

人工复核的开关表示了当前检测项机器质检后是否还需要人工再检测一遍。