语音数据集下载地址汇总| 免费的汉语说话人识别语料库 | Common Voice 数据集 | 下载总结

❤️【专栏：数据集整理】❤️ 之【有效拒绝假数据】

---

👋 Follow me 👋，一起 Get 更多有趣 AI、冲冲冲 🚀 🚀

📔 Acoustic-Phonetic Continuous Speech Corpus【英文】

🔴 数据集链接

• TIMIT Acoustic-Phonetic Continuous Speech Corpus GitHub 地址
• TIMIT 语料库 kaggle 下载地址，登录Kaggle账号即可下载

🔵 数据集简介

📕 commonvoice [ 中文]

🟧 下载链接

• Mozilla 公司的 Common Voice（输入邮箱即可下载）: Mozilla 公司的 Common Voice

🟨 该链接下载界面如下

🟦 该链接下还可以关注的数据集如下

📗 中文语音数据 - THCHS-30 : A Free Chinese Speech Corpus

• 请直接参考该博文即可：中文语音数据 - THCHS-30
• 国内主流语音数据库主页：https://openslr.org/resources.php

📘 一个免费的汉语说话人识别语料库【A Free Chinese Speaker Recognition Corpus】

🔴 数据集介绍

这是一个“户外”收集的大规模说话人识别数据集

• 数据集由两个子集 CN-Celeb1 和 CN-Celeb2 组成。

• 所有音频文件都被编码为单声道，并以 16kHz 的频率采样，精度为 16 位。

• 对于 CN-Celeb1，它包含来自 1,000 位中国名人的 130,000 多条话语，并涵盖了现实世界中的 11 种不同类型。

• 对于 CN-Celeb2，它包含来自 2,000 位中国名人的 520,000 多条话语，涵盖了现实世界中的 11 种不同类型。

• 数据收集过程由清华大学语音与语言技术中心组织。

数据集详细信息

• 语种：中文
• 内容：自由文本
• 音频参数：16 kHz，16 bits，单通道
• 数据类型：说话人识别语料库
• 录音环境：
• 娱乐、访谈、唱歌、戏剧、电影、视频博客、直播、演讲、电视剧、朗诵和广告

🔵 下载地址

• http://cslt.riit.tsinghua.edu.cn/~data/CN-Celeb/
• http://www.openslr.org/82/

🟣 下载主页

这里下载了 CN-Celeb1 的 cn-celeb_v2.tar.gz [22G] 数据压缩包，解压查看内容，分析如下

• flac 格式音频

查看数据集文件目录

# tree 查看 两个层级

 tree -L 2
 
.
├── 1911.01799.pdf
├── data
│   ├── id00000
│   ├── id00001
│   ├── id00002
│   ├── id00003
│   ├── id00004
│   ├── id00005
│   ├── id00006
...
...
│   ├── id00996
│   ├── id00997
│   ├── id00998
│   └── id00999
├── dev
│   └── dev.lst
├── eval
│   ├── enroll
│   ├── lists
│   ├── README.TXT
│   └── test
└── README.TXT

1003 directories, 4 files


  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
 

📙 致谢

文章来源: positive.blog.csdn.net，作者：墨理学AI，版权归原作者所有，如需转载，请联系作者。

原文链接：positive.blog.csdn.net/article/details/105522398