Die Sprachdauer der AISHELL-2-Chinesisch-Mandarin-Sprachdatenbank beträgt 1.000 Stunden, davon stammen 718 Stunden aus AISHELL-ASR0009-[ZH-CN] und 282 Stunden aus AISHELL-ASR0010-[ZH-CN]. Die aufgezeichneten Texte decken 12 Bereiche ab, darunter Weckwörter, Wörter zur Sprachsteuerung, Smart Home, unbemanntes Fahren und industrielle Produktion. Der Aufnahmevorgang wurde in einer ruhigen Innenumgebung durchgeführt, wobei drei verschiedene Geräte gleichzeitig verwendet wurden: ein Hi-Fi-Mikrofon (44,1 kHz, 16 Bit); ein Android-Telefon (16 kHz, 16 Bit); und ein iOS-Telefon (16 kHz, 16 Bit). AISHELL-2 verwendet von iOS-Telefonen aufgezeichnete Sprachdaten. An der Aufnahme nahmen 1.991 Sprecher aus verschiedenen Akzentregionen Chinas teil. Nach der Transkription und Kommentierung durch professionelle Stimmkorrektoren und einer strengen Qualitätskontrolle liegt die Textgenauigkeit dieser Datenbank über 96%. (Unterstützt die akademische Forschung, die kommerzielle Nutzung ist ohne Genehmigung untersagt)