Conformer CTC Speech Verification

该数据集包含通过CTC分割对Librivox和Spoken Wikipedia Corpus（SWC）进行的对齐。数据集包括两个主要部分：SWC和Librivox，分别有210小时和804小时的语音数据，涉及363和251位说话人，以及78214和368532条话语。数据集提供了预处理的文本和音频文件的对齐信息，用户可以通过文件名和话语ID访问音频文件。