WavLabLM Multilingual Data

该数据集包含了40,000小时的多语种数据，用于对WavLabLM模型进行预训练。该数据集解决了语言不平衡的问题，并支持包括自动语音识别和语言识别在内的多种多语种任务。其规模达到了40,000小时，专用于多语种的自监督学习任务。