Russian Call Center Speech Dataset (~832h)

kaggle2025-08-31 更新2025-10-25 收录

语音识别

俄语处理

数据链接：

https://www.kaggle.com/datasets/maratdv/russian-call-center-speech-dataset-832h 数据链接链接失效反馈

官方服务：

资源简介：

Large-scale Russian call center conversations dataset (~832 hours, mono, 8kHz, M

大规模俄语呼叫中心对话数据集（约832小时，单声道（mono），8千赫兹，M）

创建时间：

2025-08-31

PeacefulData/Robust-HyPoradise

语音识别

噪声鲁棒性

Robust HyPoradise数据集是一个用于生成式错误校正和大语言模型研究的数据集，特别关注噪声鲁棒的语音识别。该数据集包含训练数据和测试数据，格式相同。由于语音特征文件较大，训练数据中未包含语音特征，但提供了脚本用于从原始语音文件（.wav）生成这些特征。数据集支持用户从自己的ASR数据集中生成训练和测试数据，并提供了必要的脚本和包。数据集的相关研究已在ICLR 2024会议上发表。

Hugging Face2024-05-17 更新150

ViSpeak-Instruct

语音识别

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集 #### 下载方法 :modelscope-code[]{type="sdk"} :modelscope-code[]{type="git"}

魔搭社区2026-04-28 更新130

seanghay/khmer-speech-large

语音识别

自然语言处理

--- dataset_info: features: - name: audio dtype: audio: sampling_rate: 16000 - name: sentence dtype: string splits: - name: train num_bytes: 5686102163.1 num_ex

Hugging Face2023-04-30 更新90

Lkhagvasurenam/common_voice_little_test

语音识别

特定语言处理

该数据集包含多个特征，如client_id、path、audio、sentence等，并且这些特征的数据类型也被详细列出。数据集分为训练集和测试集，分别包含2275和1877个样本。此外，还提供了数据集的总下载大小和数据集大小。

Hugging Face2023-12-19 更新140

Chvntala/bembaspeech

语音识别

自然语言处理

该数据集包含音频数据和对应的文本句子，主要用于音频与文本的关联任务。数据集仅包含一个训练集，共有12421个样本，总大小为2458890204.774字节。下载大小为2390558125字节。数据文件路径为data/train-*。

Hugging Face2024-07-08 更新120