librispeech_lm

LibrispeechLm主要用于语言建模任务，它包含超过4000万条文本样本，总大小约为4.42GB。数据集中的每个样本都包含一个文本字段，但缺乏详细的标注信息。该数据集基于LibriSpeech ASR语料库，并提供标准的文本数据格式。使用者需要自行评估其潜在的社会影响和偏差。该数据集采用CC0 1.0许可协议。