openslr

OpenSLR致力于托管语音和语言资源，例如用于语音识别的训练语料库和与语音识别相关的软件。目前，它提供多种语言的转录音频数据，包括南非语、爪哇语、巽他语、马拉雅拉姆语、马拉地语、泰米尔语、泰卢固语、加泰罗尼亚语、尼日利亚英语、智利西班牙语等。这些数据集的规模从数千到数十万条不等，主要用于自动语音识别任务。数据通常包含音频文件路径和对应的文本句子，并采用CC-BY-SA 4.0许可协议。OpenSLR的数据经过手动质量检查，但可能仍存在错误，使用者在使用时需注意。