Speech Wikimedia

该数据集是从维基媒体公共领域收集的音频和转录文本的汇编，涵盖了1780小时的转录语音，包含77种不同的语言。数据集中包含了在不同语言下具有一个或多个转录文本的音频文件，适用于多种任务，如自动语音识别和机器翻译。该数据集遵循CC-BY-SA许可协议，总规模达到195GB，适用于语音识别、语音翻译和机器翻译等任务。