视频与音频数据集-声纹识别 (33)

数据集简介

主要数据内容包括： 大规模语音与语音转文本（Speech-to-Text）数据资源 多语言、多说话人语音录音与文本标注数据 包含 ASR（自动语音识别）训练语料与 TTS（语音合成）数据 覆盖英语、中文、西班牙语、韩语、孟加拉语等多语言音频数据 提供语音音频、转录文本、说话人信息与采样率等元数据 包含朗读语音、情感语音、多说话人语音等多类别音频资源 支持公开语音研究与开源语音模型训练的数据资源 支持的能力方向包括： 自动语音识别（ASR）模型训练 文本转语音（TTS）与语音合成训练 语音理解与语音语义分析 多语言语音模型预训练 说话人识别（Speaker Recognition）与语音分离 情感语音识别与音频生成 Audio-Language 多模态模型训练 适用于： 语音 AI 模型研发 智能语音助手与语音交互系统 多语言语音识别与翻译研究 音频生成与语音合成场景 语音 Benchmark 评测与算法验证 多模态音频数据训练与研究

数据质量