HiEn- Parallel Speech Corpus

kaggle2026-04-27 更新2026-05-09 收录

语音翻译

数据链接：

https://www.kaggle.com/datasets/imjamal/hien-parallel-speech-corpus 数据链接链接失效反馈

官方服务：

资源简介：

Parallel Speech dataset for speech translation task

面向语音翻译任务的并行语音数据集

创建时间：

2026-04-27

CVSS

语音翻译

多语言处理

CVSS是一个大规模多语言到英语的语音到语音翻译数据集，涵盖了21种语言到英语的句子级并行语音到语音翻译对。CVSS源自Common Voice语音数据集和CoVoST 2语音到文本翻译数据集，使用两种最先进的TTS模型进行合成。数据集包括两种版本的语音翻译，CVSS-C和CVSS-T，分别提供单一标准发音和源语音转换的发音。此外，CVSS还提供与翻译语音发音匹配的标准化翻译文本，适用于模型训练和

github2022-08-26 更新2560

Itbanque/ScreenTalk_JA2ZH-XS

语音翻译

日语-中文

ScreenTalk_JA2ZH-XS是一个包含日语语音和简体中文翻译文本对的数据集，适用于训练和评估语音翻译和多语种语音理解模型。该数据集由真实世界的日本电影和电视剧中的对话组成，包含大约10,000个样本，总时长约30小时。

Hugging Face2025-05-23 更新210

StreamUni

语音翻译

机器学习

# The training dataset for the paper '[StreamUni: Achieving Streaming Speech Translation with a Unified Large Speech-Language Model](https://arxiv.org/abs/2507.07803v1)' ## Model - https://hugging

魔搭社区2026-04-28 更新120

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