CLIPS : corpora e lessici di italiano parlato e scritto

B2FIND2026-04-25 收录

意大利方言语音语料

语音文本对齐

数据链接：

https://b2find.eudat.eu/dataset/1d3e88e6-3dea-51b9-8d10-fab4b959c452 数据链接链接失效反馈

官方服务：

资源简介：

Audio files of about 100 hours of speech from 15 different cities in Italy. Various recordings are transcribed to read in PDF

asahi417/seamless-align-enA-est

语音文本对齐

跨语言语音处理

该数据集包含多个子集，每个子集包含音频数据、文本数据、ID、URL、时间戳和激光评分等信息。数据集主要用于训练模型，可能涉及音频与文本的关联分析或其他相关任务。

Hugging Face2024-06-15 更新180

International Corpus of English: UK (ICE-GB)

语法分析

语音文本对齐

1 million words spoken and written English from UK. POS-tagged and parsed. Digitised speech recordings aligned w text. Part of the International Corpus of English (ICE).

B2FIND100

ik/asante-twi-wavtokenizer-aligned

阿散蒂特威语语音识别

语音文本对齐

--- dataset_info: features: - name: text dtype: string - name: words_aligned dtype: string splits: - name: train num_bytes: 143536718.30075428 num_examples: 28165 download_

Hugging Face2026-03-18 更新60

audiolm-eval

语言模型评估

语音文本对齐

该数据集遵循MIT许可协议，包含训练集和验证集两个分割，分别存储于指定的路径下。数据集主要包含五个特征字段：text_ids（整数列表，int64类型）、audio_codes（嵌套整数列表，int64类型）、attention_mask（整数列表，int8类型）、input_length（浮点数，float64类型）和language（字符串类型）。训练集包含112,087个样本，占用约4.3G

Hugging Face2026-04-03 更新130

zeynepgulhan/mediaspeech-with-cv-tr

土耳其语语音识别

语音文本对齐

--- dataset_info: features: - name: audio dtype: audio: sampling_rate: 16000 - name: sentence dtype: string splits: - name: train num_bytes: 10631918399.222 num

Hugging Face2022-12-10 更新60

CLIPS : corpora e lessici di italiano parlato e scritto

资源简介：

相关数据集