一、语音识别语料库(OpenSLR网站:http://www.openslr.org/)
(一)TIMIT语料库
630个说话者的宽带录音,8个主要方言区的美式英语,每人10句。
(二)LibriSpeech语料库
大型英语阅读语料库,没有标记。
(三)中文语料库
- gale_mandarin:中文新闻广播数据集
- hkust:中文电话数据集
- thchs30:清华大学30小时数据集
(四)Aishell1语料库
- 开源178小时的中文普通话数据库。
- 人数:400名,男女比例均衡(男186人,女214人)。
- 文本相关数据集:按照设计好的文本,在相对安静环境中使用手机(Android和IOS 系统)录制格式为16kHz、16bit单声道数据和高保真麦克风录制格式为44.1kHz、16bit单声道数据同时采集。
- 下载地址
- 参考:AISHELL-1 开源中文语音数据库
(五)Voxceleb1语料库
- 100,000个针对1,251个名人的话语,这些话语是从上传到YouTube的视频中提取的。
- 文本无关数据集。
- 参考: