OpenSTT

可以说是迄今为止最大的公共俄罗斯 STT 数据集：
~16m 话语（1-2m，注释不太完善，参见#7）；
~20 000 小时；
2,3 TB（.wav格式为int16），356G 为.opus；
新领域——公开演讲；
包含10 000 多个小时的庞大无线电数据集更新；
（新！）使用 OPUS 的实用程序；
（新！）新 OPUS 洪流；
（新！）新的 OPUS 直接链接；

搜集汇总

背景与挑战

背景概述

OpenSTT是一个公开的俄罗斯语音识别数据集，规模庞大，包含约1600万条话语和2万小时音频，覆盖公开演讲和无线电广播等领域。该数据集由ITMO University和STC-innovations Ltd于2019年发布，采用CC BY-NC 4.0许可协议。