Nexdata/multi_language

该数据集包含25,000小时的多语言朗读语音数据，由母语者录制，涵盖英语、法语、德语、俄语、西班牙语、葡萄牙语、意大利语、日语、韩语、印地语、越南语、他加禄语、泰语等多种语言。录音内容丰富，涵盖经济、娱乐、新闻、口语、数字和字母等多个类别。数据格式为16kHz, 16bit, 未压缩的wav文件，单声道。句子准确率超过95%。

This dataset contains 25,000 hours of multilingual read speech data recorded by native speakers, covering languages including English, French, German, Russian, Spanish, Portuguese, Italian, Japanese, Korean, Hindi, Vietnamese, Tagalog, Thai and more. The recorded content is diverse, spanning categories such as economy, entertainment, news, spoken language, numbers and letters. The data is stored as uncompressed 16 kHz, 16-bit single-channel WAV files. The sentence-level accuracy exceeds 95%.

原始信息汇总

数据集概述

数据集描述

• 数据集名称： multi_language
• 数据集概要： 包含25,000小时的多语言朗读语音数据，由母语者录制，涵盖英语、法语、德语、俄语、西班牙语、葡萄牙语、意大利语、日语、韩语、印地语、越南语、他加禄语、泰语等。录音内容丰富，包括经济、娱乐、新闻、口语、数字和字母等多个类别。格式为16kHz, 16bit, 单声道wav文件。句子准确率超过95%。
• 支持的任务和排行榜： 自动语音识别（ASR）、音频说话人识别。
• 语言： 英语、法语、德语、俄语、西班牙语、葡萄牙语、意大利语、日语、韩语、印地语、越南语、他加禄语、泰语等。

数据集结构

• 数据实例： [待补充]
• 数据字段： [待补充]
• 数据分割： [待补充]

数据集创建

• 筛选理由： [待补充]
• 源数据： [待补充]
• 注释： [待补充]
• 个人和敏感信息： [待补充]

使用数据集的考虑因素

• 数据集的社会影响： [待补充]
• 偏见讨论： [待补充]
• 其他已知限制： [待补充]

附加信息

• 数据集管理者： [待补充]
• 许可信息： 商业许可
• 引用信息： [待补充]
• 贡献： [待补充]