当前位置: 首页 > news >正文

语音识别数据集

目录

Voice Activity Detection

自己采集:

1. ASR Resources(语音识别资源)

2. LM Resources(语言模型资源)

这是一个数据表:

噪声数据集:


Voice Activity Detection

自己采集:

自己分别采集有有声音的,没有声音的

多人说话的,

在语音识别(ASR)中,ASR ResourcesLM Resources 各自有不同的含义和作用。下面是它们的详细解释:

1. ASR Resources(语音识别资源)

ASRAutomatic Speech Recognition,即 自动语音识别。是将语音信号转化为文本。包括:

  • 音频数据集:用于训练ASR模型的语音数据,如包含不同口音、环境噪音、语速等的多样化音频文件。

  • 声学模型:用于将音频信号转换为音素(语音单元)或词的模型,通常通过深度神经网络(如DNN、CNN、RNN)进行训练。

  • 词典:包含音素与词汇的映射关系,帮助ASR系统从音频信号识别出正确的词。

  • 标注数据:通常包括每个音频片段与其对应的正确转录文本,这些数据用于训练和评估ASR模型。

2. LM Resources(语言模型资源)

LMLanguage Model(语言模型)的缩写。语言模型在语音识别中的作用是根据上下文来预测词语的出现概率,从而提高识别的准确性。LM Resources 指的是构建和使用语言模型所需的各种资源,主要包括:

  • 语言建模语料库:用于训练语言模型的文本数据集。它包含大量的文本,帮助模型学习语言的结构、语法和常见的词组搭配。

  • 预训练语言模型:例如3-gram、5-gram等n-gram模型或更复杂的神经网络语言模型(如RNN、LSTM、Transformer),用于捕捉词语之间的统计关系。

  • 词汇表:包含所有模型可能识别的词汇,可以是训练语言模型时的一个子集,帮助限制可能出现的词的范围。

总结

  • ASR Resources 主要关注与语音信号和音频处理相关的资源,用来从语音转化为文本。

  • LM Resources 主要关注文本数据和语言结构,用来提高语音识别的上下文理解和准确性。

这两者结合,能显著提高语音识别系统的整体效果。

这是一个数据表:

名称小时数语言数链接许可证md5sum
Bible.is53,1381,596https://live.bible.is/bible/EN1ESV/MAT/1独特的ea404eeaf2cd283b8223f63002be11f9
globalrecordings.net9,7436,171Global Recordings NetworkCC BY-NC-SA 4.03c5c0f31b0abd9fe94ddbe8b1e2eb326
VoxLingua1076,628107https://bark.phon.ioc.ee/voxlingua107/CC BY 4.05dfef33b4d091b6d399cfaf3d05f2140
Common Voice30,329120Common VoiceCC05e30a85126adf74a5fd1496e6ac8695d
MLS50,7098openslr.orgCC BY 4.0a339d0e94bdf41bba3c003756254ac4e
总计150,5476,171+

可以直接下载的:

MLS

Common Voice

噪声数据集:

https://github.com/snakers4/silero-vad/wiki/Quality-Metrics#sample-rate-comparison

 

DatasetDuration, hoursDomain
ESC-502.7Environmental noise
AliMeeting test43Far/near meetings speech
Earnings 2139Calls
MSDWild80Noisy speech
AISHELL-4 test12.7Meetings
VoxConverse test43.5Noisy speech
Libriparty test4Noisy speech
Private noise0.5Noisy calls without speech
Private speech3.7Speech
Multi-Domain Validation17Multi

 

http://www.lryc.cn/news/607956.html

相关文章:

  • 力扣 二叉树遍历 中序/前序/后序(递归和迭代版)
  • Dify 从入门到精通(第 10/100 篇):使用 Dify 工具集扩展功能
  • 测试环境 PostgreSQL 库连接不上—案例分享
  • 设计Mock华为昇腾GPU的MindSpore和CANN的库的流程与实现
  • 音视频学习(四十六):声音的三要素
  • 【故障处理】redis会话连接满导致业务系统某个模块数据不显示
  • 【Flutter3.8x】flutter从入门到实战基础教程(八):公共state的集中管理机制
  • Kafka——关于Kafka动态配置
  • LeetCode 65:有效数字
  • OSPF综合实验(一)
  • 如何在 Ubuntu 24.04 或 22.04 LTS Linux 上安装 Guake 终端应用程序
  • 切换python多版本
  • Spring 中 Bean 的生命周期
  • 机器学习sklearn:聚类
  • 深入 Go 底层原理(四):GMP 模型深度解析
  • 深入 Go 底层原理(八):sync 包的实现剖析
  • 中科院自动化所机器人视觉中的多模态融合与视觉语言模型综述
  • Python 程序设计讲义(54):Python 的函数——函数概述
  • Java 集合框架: LinkedHashSet
  • innoDB的buffer pool
  • API征服者:Python抓取星链卫星实时轨迹
  • k8s集群部署(脚本版)
  • 【CVPR2025】计算机视觉|即插即用|GCNet:炸裂!实时语义分割新星GCNet,性能速度双突破!
  • 前端应用权限设计面面观
  • JVM中的垃圾回收暂停是什么,为什么会出现暂停,不同的垃圾回收机制暂停对比
  • 题解:P4447 [AHOI2018初中组] 分组
  • rabbitmq消息队列详述
  • python创建一个excel文件
  • PHP 与 MySQL 详解实战入门(2)
  • Removing Digits(Dynamic Programming)