免费的中文语音数据集汇总列表

截止2019年01月11日

1. AISHELL-1
2. AISHELL-2（高校与研究机构免费申请）
3. THCHS30
4. ST-CMDS
5. Primewords Chinese Corpus Set 1

截至2020年7月7日

1. Speechocean 10 Hours Chinese Mandarin Speech Recognition Corpus
2. MobvoiHotwords
3. CN-Celeb
4. MAGICDATA

下载地址：openslr上都有，除了aishell-2。aishell-2可以向希尔公司申请或购买。

 

<

Dataset	Duration（hours）	Description
AISHELL-1	178	AISHELL-ASR0009录音文本涉及智能家居、无人驾驶、工业生产等11个领域。录制过程在安静室内环境中， 同时使用3种不同设备： 高保真麦克风（44.1kHz，16-bit）；Android系统手机（16kHz，16-bit）；iOS系统手机（16kHz，16-bit）。高保真麦克风录制的音频降采样为16kHz，用于制作AISHELL-ASR0009-OS1。400名来自中国不同口音区域的发言人参与录制。经过专业语音校对人员转写标注，并通过严格质量检验，此数据库文本正确率在95%以上。分为训练集、开发集、测试集。（支持学术研究，未经允许禁止商用。）
AISHELL-2	1000