projecte-aina/corts_valencianes_asr_a

Corts Valencianes语音语料库是一个丰富的语音记录数据集，包含瓦伦西亚议会会议的语音录音。该语料库包括清洁和其他质量的片段，分为短片段（小于30秒）和长片段（超过30秒）。整个数据集涵盖了270小时5分34秒的语音，其中短片段为239小时5分24秒，长片段为31小时0分11秒，共有2,621,096个单词。数据集的时间跨度从2007年6月25日到2023年9月21日，包含了许多语言现象和主题，为语音识别的研究和开发提供了丰富的数据。

The Corts Valencianes Speech Corpus is a rich dataset composed of speech recordings from the sessions of the Corts Valencianes. The corpus includes both clean and other quality segments, divided into short segments (less than 30 seconds) and long segments (more than 30 seconds). The total dataset encompasses 270 hours, 5 minutes, and 34 seconds of speech, including 239h 05m 24s for the short segments and 31h 00m 11s for the long segments, with a total of 2,621,096 words.