机器学习与语料获取方式：请查看来源页面
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。
信息来自公开来源，具体内容和使用条件请以来源页面为准。
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。
相关数据集
同领域 · 机器学习与语料
机器学习与语料免费访问
电子学习推荐系统数据集 E-learning Recommender System Dataset
Mandarine Academy Recommender System (MARS) Dataset，来自哈佛Dataverse…
机器学习与语料获取方式：请查看来源页面
2021年NIST说话人识别评测开发与测试集 2021 NIST Speaker Recognition Evaluation Development and Test Set
由LDC和NIST开发的2021年说话人识别评测开发与测试集，包含约447小时粤语、普通话和英语电话会话语音、视频音频及图像数据，附答案键、注册和试验文件。
机器学习与语料免费访问
ORIN歌词数据集：面向NLP的多语言尼日利亚歌曲歌词综合语料库 ORIN Lyrics Dataset: A Comprehensive Corpus of Multilingua Nigerian Song Lyrics for NLP
ORIN Lyrics数据集包含862条尼日利亚歌曲歌词，涵盖约鲁巴语、英语、尼日利亚皮钦语及多语言组合，附有艺术家、标题、专辑、年份、流派等元数据，专为自然语言处理研究设计。
机器学习与语料免费访问
海因里希·冯·克莱斯特散文文本语料库分析（LancsBox X） Heinrich von Kleist's prose texts corpus analysis using LancsBox X
该语料库包含海因里希·冯·克莱斯特的八部中短篇小说、两篇散文及政治写作等散文作品，文本源自Project Gutenberg，使用LancsBox X进行词频和聚类分析。