دادگان گفتاری حاضر شامل حدود ۵۸۰۰ فایل صوتی هجاهای زبان فارسی است که توسط پژوهشکدهٔ پردازش هوشمند علائم برای یک برنامهٔ بازسازی گفتار فارسی از نوع بازسازی گفتار به شیوهٔ همگذاری طراحی شده است. بخش اعظم هجا‌ها از صورت واج‌نویسی‌شده دادگان بزرگ زبان فارسی گفتاری «فارس‌دات بزرگ» به دست آمده است و بخش دیگر با مراجعه به شش جلد فرهنگ فارسی معین و استخراج کلمه‌های تک‌هجایی، جمع‌آوری و به فهرست هجا‌ها اضافه شده‌اند.