OrienTel Telephone databases

B2FIND2026-04-25 收录

阿拉伯语语音

多方言语音数据库

数据链接：

https://b2find.eudat.eu/dataset/1a6c7b6d-c7f2-5c43-842c-c650ec83b347 数据链接链接失效反馈

官方服务：

资源简介：

Collection of telephone databases from mediterranean region, incl. (variants of) Arabic. 500-1000 speakers per database, all orthographically transcribed. Speaker information...

sada-arabic-test-dataset-sample

阿拉伯语语音

方言分类

本数据集包含了来自SADA2022语料库的阿拉伯语语音样本段，这些样本按照方言、性别、年龄段、说话速率、环境条件进行了标注，并包括了地面真实转录文本。数据集旨在支持阿拉伯语方言分类、自动语音识别（ASR）和口语语言理解等领域的研究和应用。

Hugging Face2025-05-22 更新190

Nexdata/100000_hours_Arabic_Unsupervised_speech_dataset

阿拉伯语语音

自然语言处理

这是一个包含阿拉伯语对话或独白的无监督语音数据集，覆盖了28个常见领域，如日常视频博客、旅行、播客、科技、美容等。该数据集反映了现实世界的互动，并经过多家AI公司质量测试，符合GDPR、CCPA、PIPL的规定。

Hugging Face2025-02-11 更新150

linagora/linto-dataset-audio-ar-tn

阿拉伯语语音

代码转换语音识别

LinTO阿拉伯突尼斯语音频数据集是一个包含多种音频内容（如音乐、纪录片、播客等）和对应转录文本的多样化集合。该数据集主要专注于支持突尼斯方言的语音识别任务，并包含一些法语和英语的代码转换实例。数据集分为多个配置和分割，以适应不同的实验设置，对自动语音识别（ASR）研究和开发具有很高的价值。

Hugging Face2025-04-11 更新80

MASC: Massive Arabic Speech Corpus

阿拉伯语语音

语音识别

This paper describes the creation of the Massive Arabic Speech Corpus (MASC). MASC is a dataset that contains 1,000 hours of speech sampled at 16 kHz and crawled from over 700 YouTube channels. The da

ieee-dataport.org180

MadLook/arabic-whisper-multidialect

阿拉伯语语音

方言处理

Arabic Whisper多方言自动语音识别数据集是一个全面的阿拉伯语多方言语音识别数据集，专为Whisper模型微调而准备。该数据集包含了来自多个方言的高质量阿拉伯语音数据，包括现代标准阿拉伯语、埃及阿拉伯语和海湾阿拉伯语。数据集共有约105,000个音频-文本对，分为训练集、验证集和测试集，每个集合分别占总数据的90%、5%和5%。音频格式为16kHz单声道，文本为标准化的阿拉伯文字。

Hugging Face2025-11-13 更新110

OrienTel Telephone databases

资源简介：

相关数据集