AliMeeting数据集

AliMeeting总共包含118.75小时的语音数据，包括104.75小时的训练集（Train）、4小时的验证集（Eval）和10小时的测试集（Test）。训练集和验证集分别包含212场和8场会议，其中每场会议由多个说话人进行15到30分钟的讨论。

AliMeeting contains a total of 118.75 hours of speech data, split into a 104.75-hour training set (Train), a 4-hour validation set (Eval), and a 10-hour test set (Test). The training and validation sets respectively include 212 and 8 meetings, each of which features discussions with multiple speakers that last 15 to 30 minutes.

搜集汇总

背景与挑战

背景概述

AliMeeting是一个中文多通道会议语音数据集，包含120小时真实会议录音，数据采集包括8通道麦克风阵列的远场数据和耳机麦克风的近场数据，覆盖多种会议室环境和会议主题。该数据集适用于中文会议场景的多通道多说话人转录任务，具有高语音重叠率和均衡的说话人性别比例，数据已分为训练集、验证集和测试集，遵循Apache License 2.0许可。