VoxLingua Dataset

kaggle2023-01-15 更新2024-03-11 收录

下载链接：

https://www.kaggle.com/datasets/kunalsrivastava0702/voxlingua-dataset

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-01-15

VoxLingua107

VoxLingua107 是一个 6628 小时（平均每种语言 62 小时）的口语识别数据集，并附有 1609 个经过验证的话语的评估集。

OpenDataLab2026-07-05 更新710

SEACrowd/voxlingua

VoxLingua107是一个综合语音数据集，专为训练语音语言识别模型而设计。该数据集包含从YouTube视频中提取的短语音片段，并根据视频标题和描述中的语言进行标注。数据集覆盖107种语言，总共有6628小时的语音数据，平均每种语言有62小时的数据，但每种语言的实际数据量差异较大。此外，还有一个独立的开发集，包含来自33种语言的1609个语音片段，这些片段至少由两名志愿者验证，以确保语言表示的准

Hugging Face2024-06-24 更新310

TalTechNLP/VoxLingua107

--- license: cc-by-nc-4.0 --- hello

Hugging Face2024-09-10 更新400

VOXLINGUA107 Dataset

Language Identification Dataset

paperswithcode.com400

voxlingua107_wds

VoxLingua107是一个用于训练口语语言识别模型的语音数据集。该数据集由从YouTube视频自动提取的短语音片段组成，并根据视频标题和描述的语言进行标记，经过一些后处理步骤过滤掉假阳性。VoxLingua107包含107种语言的数据，训练集中的语音总量为6628小时，平均每种语言的数据量为62小时，但实际每种语言的数据量差异较大。还有一个独立的发展集，包含来自33种语言的1609个语音片段，

Hugging Face2025-08-28 更新470