語音識別開發(fā)需要多種數(shù)據(jù)集，以下是一些常用的語音識別數(shù)據(jù)集：
- Common Voice：包含26,119小時的錄音，涵蓋104種語言，提供年齡、性別、口音等人口統(tǒng)計元數(shù)據(jù)。
- CMU Wilderness Multilingual Speech Dataset：包含700多種不同語言的語音數(shù)據(jù)，平均每種語言提供大約20小時的句子長度轉錄。
- GigaSpeech：一個不斷發(fā)展的多域英語語音識別語料庫，包含10000小時的高質量標記音頻和40000小時的總音頻。
- MagicData-RAMC：包括351組多輪普通話對話，時長共計180小時，標注信息包括轉錄文本、語音活動時間戳等。
- Free ST Chinese Mandarin Corpus：包含855個speakers的120個話語，每個話語都經過人仔細的轉錄和核對。
這些數(shù)據(jù)集為語音識別開發(fā)提供了豐富的資源，有助于提高模型的準確性和魯棒性。選擇合適的數(shù)據(jù)集對于開發(fā)高效的語音識別系統(tǒng)至關重要。
