开源语音数据集

开源语音数据集

• 英文数据集：

1. LibriSpeech ASR corpus：该数据集是包含大约1000小时的英语语音的大型语料库。这些数据来自LibriVox项目的有声读物。它已被分割并正确对齐，如果你正在寻找一个起点，请查看已准备好的声学模型，这些模型在kaldi-asr.org和语言模型上进行了训练，适合评估。
   https://www.openslr.org/12

Mini LibriSpeech ASR corpus：用于回归测试的一个子集 http://www.openslr.org/31/

2. TED-LIUM：http://www.openslr.org/7/
   TED-LIUMv2：http://www.openslr.org/19/
   TED-LIUM Release 3：https://www.openslr.org/51/

3. VoxForge：该数据集是带口音的语音清洁数据集，对测试模型在不同重音或语调下的鲁棒性非常有用。
   http://www.voxforge.org/
   https://voice.mozilla.org/zh-CN/data

4. TIMIT数据集 百度云链接：https://pan.baidu.com/s/1YJNIFdBiSPqebTq_GyOdog 密码：sqw7

5. Free ST American English Corpus：http://www.openslr.org/45/

• 中文数据集

1. THCHS-30
   THCHS-30是在安静的办公室环境下，通过单个碳粒麦克风录取的，总时长超过30个