VoxPopuli

VoxPopuli是由Facebook AI创建的大型多语种语音数据集，包含23种语言共计40万小时的未标记语音数据，是目前最大的开放数据集，用于无监督表示学习和半监督学习。该数据集还包含15种语言的1.8K小时转录演讲及其对15种目标语言的口头解释，总计17.3K小时。VoxPopuli旨在通过提供丰富的多语种音频数据，推动多语种自动语音识别（ASR）和语音翻译（ST）的研究进展，解决现有数据集在多语种支持上的不足，并特别关注实时语音翻译（解释）的质量与延迟平衡问题。