LibriSpeech corpus

该数据集来源于有声读物，包含了以阅读方式录制的母语为英语的说话人语音。所有音频的采样率为16千赫兹，采用16位编码。在声学建模中，我们使用了清理后的“train_960_cleaned”子集。该数据集的规模为960小时，任务重点在于声学建模。

This dataset is derived from audiobooks, containing speech recordings of native English speakers produced in a reading manner. All audio files have a sampling rate of 16 kHz and use 16-bit encoding. For acoustic modeling, we utilized the cleaned "train_960_cleaned" subset. This dataset has a total duration of 960 hours, with the core task focusing on acoustic modeling.

搜集汇总

背景与挑战

背景概述

LibriSpeech corpus是一个用于语音识别研究的英语语音数据集，包含来自LibriVox项目的朗读音频，总时长约960小时，分为干净和带口音/噪声的子集（如train-clean-100、train-other-500）。该数据集常用于训练和评估自动语音识别（ASR）模型，并提供对应的文本转录和语言模型资源。