Common Voice数据集包含独特的MP3文件和相应的文本文件。数据集中的30328小时录音还包括年龄、性别和口音等人口统计元数据，这些数据可以帮助提高语音识别引擎的准确性。数据集目前包含120种语言的19673小时已验证数据，但会不断添加更多语音和语言。数据集通过众包方式创建，支持多语言，并且是公开的，遵循CC0许可证。
Common Voice数据集包含独特的MP3文件和相应的文本文件。数据集中的许多录音还包括年龄、性别和口音等人口统计元数据，这些数据可以帮助提高语音识别引擎的准确性。目前，数据集包含120种语言的19673个已验证小时数的录音，但会不断添加更多语音和语言。数据集由众包方式创建，支持多语言，并且提供了如何使用该数据集的示例代码。
Common Voice Corpus 16是一个多语言的语音数据集，包含多种语言的MP3音频文件和相应的文本文件。数据集由众包方式创建，包含30328小时的录音，其中19673小时已经过验证。数据集还包含年龄、性别和口音等人口统计元数据，有助于提高语音识别引擎的准确性。数据集支持多种任务，如自动语音识别（ASR），并且可以通过Hugging Face的`datasets`库进行加载和预处理。
