视频与音频数据集-声纹识别

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