Kurzgesagt_Transcriptions

kaggle2023-02-13 更新2024-03-07 收录

教育视频

自动语音识别

数据链接：

https://www.kaggle.com/datasets/maartengr/kurzgesagt-transcriptions 数据链接链接失效反馈

官方服务：

资源简介：

Kurzgesagt transcriptions of all its videos using Whisper

由Kurzgesagt使用Whisper自动语音识别模型对其全部视频生成的转录文本数据集

创建时间：

2023-02-13

Galgame_Speech_ASR_16kHz

自动语音识别

日语语音

Galgame_Speech_ASR_16kHz 数据集是一个从视觉小说（Galgames）中提取的日语语音数据集，专门用于训练自动语音识别（ASR）模型。该数据集包含3,746,321个音频-文本对，总计5,355小时，大小为100.16 GB。数据集采用WebDataset格式，音频文件为16kHz、16位、单声道OGG格式。该数据集旨在微调ASR模型，如Whisper，特别适用于日语动漫风格

Hugging Face2024-10-10 更新2100

CEASR

自动语音识别

数据质量评估

CEASR是一个用于评估自动语音识别（ASR）质量的数据集，基于公共语音语料库，包含元数据和由多个现代ASR系统生成的转录文本。该数据集提供统一结构，确保所有语料库和系统的数据一致性，并具有标准化转录文本和元数据。

github2022-04-18 更新210

Arabic Call Benchmark Dataset

自动语音识别

阿拉伯语

Arabic Call Benchmark Dataset是由Maqsam公司创建的一个专注于阿拉伯语电话通话自动语音识别（ASR）的基准数据集。该数据集包含来自13个不同国家的电话通话记录，涵盖教育、娱乐和电子商务等多个领域，特别关注客户支持和销售职位。数据集标准化为16kHz采样率，单声道，16位精度，包含从清晰到嘈杂环境的不同音频质量。通过41名注释者和13名审阅者的严格手工转录，形成了13

arXiv2024-03-07 更新110

M9and2M/Wolof_ASR_dataset

自动语音识别

Wolof语言

该数据集是一个Wolof语音数据集，包含多个来源的语音数据，格式为WAV或MP3，并附有相应的转录文本、音频时长、文件名和路径信息。数据集来源于Hugging Face和其他网站资源，如ALFFA、WAXAL和WOLOF TTS数据集。每个数据集都有详细的来源链接和处理说明。

Hugging Face2024-07-02 更新220

farsi-asr/farsi-asr-dataset

波斯语

自动语音识别

Farsi ASR Dataset是最大的开源波斯语自动语音识别（ASR）数据集，从各种来源收集而成。该数据集包含了大量的波斯语音频转录数据，用于自动语音识别研究。

Hugging Face2025-03-13 更新190