--- license: other license_name: other license_link: LICENSE task_categories: - text-generation language: - en size_categories: - 100B<n<1T --- ### Dataset Description To facilitate re
MOSEL语料库是一个多语言数据集集合,包含多达950,000小时的开放源代码语音录音,涵盖了欧盟的24种官方语言。我们通过调查开源合规许可证下的标记和未标记语音语料库来收集数据。特别是,MOSEL包括了来自VoxPopuli和LibriLight的441,000小时未标记语音的自动转录。数据使用Whisper large v3进行转录。Whisper在OS Apache 2.0许可证下发布,该许