机器学习与语料cc-by-4.0
关键信息
内容与字段
该数据集包含多种语言的口语录音及其对应的文本转录，用于训练语音识别系统。具体字段包括音频文件、文本标注等，但元数据未提供详细字段列表。
适用研究
适用于多语言语音识别、声学模型训练、语音文本对齐等研究。
元数据以来源页为准（2026-07 工厂起草 · 待人工核验）。
关键词
自行获取的难点
该数据集通过 Zenodo 分发，下载需注意文件格式与清洗成本，且版本更新频繁，需确认使用版本。
数据集库 · 机器学习与语料
Common Voice 语料库 1 Common Voice Corpus 1
Mozilla Common Voice 多语言开源语音识别语料，包含多种语言的口语录音与文本对齐数据，是训练语音识别模型的刚需资源。
相关数据集
同领域 · 机器学习与语料
机器学习与语料非商业研究
ImageNet 大规模图像库 ImageNet
全球计算机视觉研究的奠基性基准，逾千万张人工标注图像、两万余类目，自 2009 年起被学界与产业引为通用评测标尺。…
机器学习与语料依子语料
OPUS 开放平行语料库 OPUS · Open Parallel Corpus
规模最大的开放多语平行语料集合，逾千种语言、上千组语言对，是机器翻译与多语 NLP 的基础库。…
机器学习与语料开放 · 见条款
Common Crawl 网页语料 Common Crawl
覆盖全球公开网页、按月持续更新的 PB 级标准化 Web 归档语料，是大模型预训练与大规模文本研究的基础语料源。…
机器学习与语料CC0
OpenAlex 学术图谱 OpenAlex
完全开放的全球学术元数据库，收录数亿篇论文及其作者、机构、期刊、引用与主题关联，CC0 免费，是文献计量与科研知识图谱的开放替代。…