LibriVoxDeEn - A Corpus for German-to-English Speech Translation and Speech R...

B2FIND2026-04-25 收录

语音翻译

语音语料库

数据链接：

https://b2find.eudat.eu/dataset/8495d276-fd9b-536b-9e30-19021537cb09 数据链接链接失效反馈

官方服务：

资源简介：

This dataset is a corpus of sentence-aligned triples of German audio, German text, and English translation, based on German audio books. The corpus consists of over 100 hours of...

jhu-clsp/seamless-align-expressive

语音翻译

多语言处理

Seamless-Align-Expressive数据集是一个用于翻译和音频到音频任务的多语言数据集，支持德语、英语、西班牙语、法语、意大利语和中文。数据集基于Meta AI发布的表达性语音到语音（S2S）数据，包含5种语言对的数据，压缩后约为228GB。数据集未进行分割，且数据可能包含个人身份信息、敏感内容或互联网上公开的有毒内容。数据集的创建过程中使用了SONAR Expressive编码器来

Hugging Face2024-02-22 更新500

1rsh/translate-awadhi-hi-karya

语音翻译

语言数据

该数据集包含音频和句子两种特征，分为训练集和测试集。训练集包含2724个示例，占用138027956.75559068字节；测试集包含237个示例，占用12105741.108409321字节。总下载大小为144229744字节，数据集总大小为150133697.864字节。

Hugging Face2024-02-09 更新130

fleurs_yo_en

语音翻译

多语言处理

这是一个从Google FLEURS数据集中提取的Yoruba-to-English翻译数据集。数据集包含训练集、验证集和测试集中的音频记录，分别对应13小时48分钟32秒、44分钟32秒和45分钟27秒的音频数据。所有音频都以16kHz采样。数据集的特征包括音频、Yoruba语言的转录和相应的英语翻译。

Hugging Face2024-12-10 更新90

LibriVoxDeEn

语音翻译

语音识别

LibriVoxDeEn是由海德堡大学计算语言学与IWR创建的一个大型德语到英语语音翻译和德语语音识别数据集。该数据集包含110小时的德语音频，对应超过50,000条平行句对，以及547小时的德语语音用于语音识别。数据来源于德语有声书，确保了音频质量高且流畅度低。创建过程中，使用了先进的音频-文本和文本-文本对齐工具，并通过人工评估确保了高对齐质量。该数据集主要应用于解决德语到英语的直接语音翻译问

arXiv2020-03-04 更新130

Indic_Hindi-English_Parallel_Speech

语音翻译

多模态学习

这是一个包含印地语和英语平行语音的数据集，适用于语音到语音翻译、语音到文本翻译以及多模态学习。数据集分为训练集、验证集和测试集，每个集合都包含成对的印地语和英语音频文件及其文本转录。

Hugging Face2025-11-26 更新90