Málrómur语料库是一个开放的、经过手动验证的冰岛语语音语料库。该语料库的录音是在2011年至2012年期间由雷克雅未克大学和冰岛语言技术中心与Google合作收集的。数据集包含来自563名个体的语音样本，总时长为152小时，其中108,568个语音样本被认为是有效的。数据集分为训练、验证和测试三个部分，分别用于自动语音识别任务的模型训练和评估。数据集的主要用途是开发冰岛语的语音识别工具，并可

Hugging Face2023-02-24 更新480

PharynxAI/merged_english_accent_dataset

语音识别

口音分析

--- dataset_info: features: - name: audio dtype: audio - name: 'Unnamed: 0' dtype: int64 - name: text dtype: string - name: speaker_id dtype: int64 - name: source dtype

Hugging Face2025-10-09 更新100

abbaleh/whisper-torah-dataset

语音识别

宗教文本处理

这是一个包含音频文件和对应文本的数据集，适用于音频处理和文本分析任务。数据集提供了音频文件的路径、文本内容、音频时长、来源、文件大小以及输入特征等信息。数据集分为训练集和测试集，支持机器学习和深度学习模型的训练和评估。

Hugging Face2025-10-16 更新60

procit006/augmented_stc_saskia_latest_prioritize

语音识别

用户行为分析

这是一个包含音频数据和相应文本描述的数据集，其中包括用户信息和音频的相关属性。数据集分为训练集，可用于音频处理和语言理解等相关任务。

Hugging Face2025-04-07 更新100

ASR-SSgpEDuSC: A Scripted Singaporean English Daily-use Speech Corpus

语音识别

语言研究

This dataset portfolio consists of 632 hours of transcribed Singaporean English scripted speech focusing on daily use sentences contributed by 996 speakers.

MagicHub开源社区2021-09-23 更新60

collabora/librilight-processed-webdataset

资源简介：

数据集许可证

相关数据集