出门问问关键词数据转写文本

使用出门问问开源的关键词数据集(http://www.openslr.org/resources/87)，利用达摩院paraformer-large模型(https://www.modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/summary)进行文本转写，其中关键词正例直接使用原始唤醒词，只对负例音频进行了文本转录。此数据集只包含了转录后的文本，以kaldi格式保存。

本数据集采用出门问问开源的关键词数据集（http://www.openslr.org/resources/87），借助达摩院paraformer-large模型（https://www.modelscope.cn/models/damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch/summary）完成语音文本转写。其中关键词正例直接沿用原始唤醒词，仅对负例音频执行文本转录操作。本数据集仅包含转录后的文本内容，以Kaldi格式存储。

搜集汇总

背景与挑战

背景概述

该数据集基于出门问问开源的关键词数据集，通过达摩院paraformer-large模型进行文本转写，其中关键词正例保留原始唤醒词，负例音频被转录为文本，最终仅包含转录文本并以kaldi格式保存。数据集采用Apache License 2.0许可证，更新于2025年11月13日，大小为51.05MB。