VoxConverse Dataset

50+ Hours of Annotated Multi-speaker Audio50小时以上的带标注多说话人音频数据集

搜集汇总

背景与挑战

背景概述

VoxConverse Dataset是一个由牛津大学视觉几何组创建的多说话者音频数据集，包含超过50小时的YouTube政治辩论和新闻片段音频，并提供了丰富的.rttm标注文件。该数据集主要用于说话人识别、语音活动检测等音频处理任务，具有明确的场景应用和高质量的标注。