178小时汉语。录音文本涉及智能家居、无人驾驶、工业生产等11个领域。录制过程在安静室内环境中, 同时使用3种不同设备: 高保真麦克风(44.1kHz,16-bit);Android系统手机(16kH……
1万条中文语音。包含了1万余条语音文件,大约40小时的中文语音数据,内容以文章诗句为主,全部为女声。它是由清华大学语音与语言技术中心(CSLT)出版的开放式中文语音数据库。
最大多语言语音数据集。据说是最大的。这一数据集共涵盖了23种语言,时长超过40万小时。 其中,每种语言都有9000到18000小时的无标签语音数据。 此外,还包括了共1800小时,16种语言的转录语音数据,以及17300小时,15种目标语言的口译语音数据。
85小时汉语集。可做为多说话人合成系统。录制过程在安静室内环境中, 使用高保真麦克风(44.1kHz,16bit)。218名来自中国不同口音区域的发言人参与录制。专业语音校对人员进行拼音和韵律标注,并通过严格质量检验,此数据库音字确率在98%以上。
755小时汉语。包含755小时的语音数据,其主要是移动终端的录音数据。邀请来自中国不同重点区域的1080名演讲者参与录制。句子转录准确率高于98%。录音在安静的室内环境中进行。数据库分为训练集,验证集和测试集,比例为51:1:2。诸如语音数据编码和说话者信息的细节信息被保存在元数据文件中。录音文本领域多样化,包括互动问答,音乐搜索,SNS信息,家庭指挥和控制等。还提供了分段的成绩单。该语料库旨在支持语音识别,机器翻译,说话人识别和其他语音相关领域的研究人员。因此,语料库完全免费用于学术用途。
音乐分类。这是一个给音乐增加标签的开源项目。 目前系统中已包含的标签: [“摇滚”,“流行”,“另类”,“独立”,“电子”,“女歌手”, “舞蹈”,“ 00s”,“另类摇滚”,“爵士”,“美丽”,“金属”, “放松”,“男歌手”,“经典摇滚”,“灵魂”,“独立摇滚”, “音乐”,“电子音乐”,“80年代' ,'民间','90年代','chill','instrumental', 'punk','oldies','blues','hard rock','ambient','acoustic,'experimental', 'female vocalist','guitar','Hip-Hop ”,“ 70年代”,“派对”,“国家”,“轻松聆听”, “性感”,“醒目”,“放克”,“电子”,“重金属”,“渐进摇滚”, “ 60年代”,“ rnb”,“独立流行音乐”,“悲伤”,“房子”,“快乐” ]
城市街道场景。是关于城市街道场景的语义理解图片数据集。 它主要包含来自50个不同城市的街道场景,拥有5000张在城市环境中驾驶场景的高质量像素级注释图像。此外,它还有20000张粗糙标注的图像。