视频与音频数据集-语音识别

包含多说话人、多场景语音，提供音频、转录及说话人信息，支持ASR训练、语音增强与多通道语音识别。

0 条数据更新时间 2026-06-08

数据集简介

主要数据内容包括：大规模中文普通话语音与语音转文本数据资源包含多说话人、多地域口音的高质量普通话录音数据提供语音音频、文本转录与说话人信息数据覆盖安静室内、会议、多通道、车载等多种语音场景包含 ASR、语音分离、说话人识别等相关标注数据支持 16kHz 高保真音频与多通道麦克风采集数据提供公开开源中文语音训练与评测数据资源支持的能力方向包括：自动语音识别（ASR）模型训练中文语音理解与语音转写说话人识别（Speaker Recognition）与声纹建模多说话人分离与 Speaker Diarization远场语音识别与车载语音交互训练语音增强（Speech Enhancement）与降噪Audio-Language 多模态模型训练适用于：中文语音 AI 模型研发智能语音助手与车载语音系统多语言语音识别与语音交互研究智能会议与远场语音场景语音 Benchmark 评测与算法验证音频多模态数据训练与研究场景

数据质量

记录时效性

按需更新

记录结构化

NDJSON、JSON、CSV、XLSX、Parquet，支持定制化

记录云交付

Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive

记录标准化

为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。

记录代表性

数据覆盖全量业务场景，样本均衡，具备行业代表性

需要定制更适合业务场景的数据集？

我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。