hugging-face-vqa-small-test

Common Voice数据集是一个包含大量语音录音及其对应文本文件的数据集，用于提高语音识别引擎的准确性。数据集包含了24210小时的录音，包括人口统计元数据，如年龄、性别和口音。目前数据集包含了100种语言的16413小时的已验证录音，并且仍在不断添加更多语音和语言。数据集适用于自动语音识别等任务。